关于R语言`if...else...return`的一点思考

发表于 | 分类于

一直以来对于return()函数很困惑。在代码到低是写一个return()比较好，还是写多个return比较好呢？纠结的很。今天偶然间在网上看到一个问题：一个函数里面用一个return 好 还是多个return 好？，感觉有点明白了。在上一篇博客解析fivenum函数的源码中，fivenum函数也多次“用到”return，当然只是隐式的调用return函数。那么问题来了？我到底该用哪一种呢？？？

我自己写了一个函数，然后用microbenchmark包输出两个函数（各执行10000次）的执行时间，比较哪个更好，以后就用哪个了。^_^

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
ff1 <- function(x, y) {
  if (x < y) {
    return(x + y) 
  }
  if (x == y) {
    return(x - y)
  } 
  if (x > y) {
    return(x * y)
  }
}
ff2 <- function(x, y) {
  if (x < y) {
    z <- x + y
  }
  if (x == y) {
    z <- x - y
  } 
  if (x > y) {
    z <- x * y
  }
  return(z)
}
1
ff1(10, 4)
1
#> [1] 40
1
ff2(10, 4)
1
#> [1] 40

载入microbenchmark包

1
2
3
4
library(microbenchmark)
microbenchmark(ff1(10, 4), ff2(10, 4), 
               times = 10000,  # 执行10000次
               unit = "ns")    # 时间为纳秒
1
2
3
4
#> Unit: nanoseconds
#>        expr min  lq     mean median  uq     max neval cld
#>  ff1(10, 4)   0 446 1428.514    447 892 7953122 10000   a
#>  ff2(10, 4)   0 446 1643.996    447 893 9130717 10000   a

结论：两个函数在执行速度上并没有太大的差别。但是就简洁性而言，第一种多个return()更好。

下面来再来看看if...else语句的例子

1
2
3
4
5
6
7
8
9
10
11
12
13
14
fg1 <- function(x, y) {
  if (x < y) {
    return(x * y)
  }
  return(x + y)
}
fg2 <- function(x, y) {
  if (x < y) {
    return(x * y)
  } else {
   return(x + y) 
  }
}
1
fg1(3, 5)
1
#> [1] 15
1
fg1(10, 8)
1
#> [1] 18
1
fg2(3, 5)
1
#> [1] 15
1
fg2(10, 8)
1
#> [1] 18

下面看看这两个函数的性能差异

1
2
3
4
library(microbenchmark)
microbenchmark(fg1(10, 4), fg2(10, 4),
               times = 10000, 
               unit = "ns")
1
2
3
4
#> Unit: nanoseconds
#>        expr min lq     mean median  uq   max neval cld
#>  fg1(10, 4)   0  0 349.8470    446 447 23651 10000   a
#>  fg2(10, 4)   0  0 349.3135    446 447 25881 10000   a

结论：上面的两个函数性能差异也不是太大。但是就就简洁性而言，没有else的版本更好。其实，这里的else根本就是多余的。因为一旦if条件的结果为真，程序会直接返回return()中的值。后面的代码不回被执行。只不过加了else代码更加清晰一些。

当然，下面的这种情况加else更好。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
f1 <- function(x, y) {
  if (x < y) {
    z <- x - y
  }
  if (x == y) {
    z <- x + y
  }
  if (x > y) {
    z <- x * y
  }
  return(z)
}
f2 <- function(x, y) {
  if (x < y) {
    z <- x - y
  } else if (x == y) {
    z <- x + y
  } else if (x > y) {
    z <- x * y
  }
  return(z)
}
1
f1(3, 6)
1
#> [1] -3
1
f2(3, 6)
1
#> [1] -3
1
2
3
4
library(microbenchmark)
microbenchmark(f1(3, 6), f2(3, 6),
               times = 10000,
               unit = "ns")
1
2
3
4
#> Unit: nanoseconds
#>      expr min  lq    mean median  uq     max neval cld
#>  f1(3, 6)   0 446 1440.03    447 447 9028085 10000   a
#>  f2(3, 6)   0 446 1212.27    446 447 7865215 10000   a

结论：下面的加else的函数明显快于上面的没有加else的函数。

这是因为这里的判定条件为3 < 6，显然这个为真，但是第一个会接着执行下面的判断函数，直到把所有的判定条件全部执行完毕为止。最终返回为真的结果。但是第二个函数就不一样了，因为后面出现了else语句，编译器一看到这个else，就知道后面的都不用执行了。所以第二个函数要快一些。

写到这里，心里终于有数了。在函数中，就用多个return吧，当然退而求其次，也可以选择if...else...return。