r - R中使用ifelse()语句获取不同类的对象

Question

我想知道如何使用 ifelse() 语句在 R 中获取不同类型的对象。

具体来说，我想使用 mtcars 数据来执行此操作，该数据是一个 list 类型对象。我使用下面的代码创建了数据名称的字符对象版本，名为 mtcars__string_object。

mtcars__string_object <- c("mtcars")

对于对象本身，这是我想用来通过 ifelse() 语句获取此数据的代码，该语句不起作用:

test_1 <- 
  ifelse(
    ((typeof(mtcars) == "list") == TRUE),
    (mtcars),
    NA
  )

它不起作用，因为它没有给我原始形式的数据集。结果如下:

> test_1
[[1]]
 [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4
[16] 10.4 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7
[31] 15.0 21.4

当我只使用对象的名称时，这是我想用来通过 ifelse() 语句获取此数据的代码，该代码不起作用:

test_2 <- 
  ifelse(
    ((typeof(mtcars) == "character") == TRUE),
    (get(mtcars__string_object[1])),
    NA
  )

它不起作用，因为它没有给我原始形式的数据集。结果如下:

> test_2
[1] NA

我不确定如何修复代码以获得所需的结果。请指教。谢谢。

---

---

这是我用于示例的代码:

# StackOverflow materials

## sets up data

### name of object
mtcars

### text object with name of dataset
mtcars__string_object <- c("mtcars")

## checks typeof() of objects
typeof(mtcars)
typeof(mtcars__string_object)

## ifelse() statements to call data

### for object itself
# ---- NOTE: creates object
test_1 <- 
  ifelse(
    ((typeof(mtcars) == "list") == TRUE),
    (mtcars),
    NA
  )
# ---- NOTE: displays object
test_1
# ---- NOTE: does not work

### for text object with name of dataset
# ---- NOTE: creates object
test_2 <- 
  ifelse(
    ((typeof(mtcars) == "character") == TRUE),
    (get(mtcars__string_object[1])),
    NA
  )
# ---- NOTE: displays object
test_2
# ---- NOTE: does not work

Answer 1

ifelse 要求所有参数的长度相同。在这里，情况并非如此。因此，我们需要if/else

if(is.data.frame(mtcars) ) get(mtcars__string_object) else NA

-输出

                  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2