时间戳

首页 > 解决方案 > R中的If-Else语句有3个条件

r - R中的If-Else语句有3个条件

问题描述

我正在尝试使用 if-else 语句在我的数据集中创建一列。我希望这个 if-else 语句在 df“option1”中创建一个名为“Surgical”的列，仅当 Duration 中的值高于 625 并且因子“Single”时才显示“Duration”列的值减去 20在“变异性”一栏中注明。我尝试了以下代码：

option1$Surgical <- ifelse(option1$Variability == "Single", option1$Duration - 20, option1$Duration)

任何有关如何指定“仅当值​​大于 625”部分的见解都值得赞赏！

df“选项1”供参考。

dput（选项1）结构（列表（刺激=结构（c（36L，37L，38L，39L，40L，41L，42L，43L，44L，45L，50L，51L，52L，53L，54L，55L，56L，60L， 61L, 62L, 63L, 64L, 65L, 66L, 67L, 73L, 74L, 75L, 76L, 77L, 78L, 79L, 31L, 32L, 33L, 34L, 35L, 36L, 37L, 38L, 39L, 40L, 46L, 47L, 48L, 49L, 50L, 51L, 52L, 53L, 57L, 58L, 59L, 60L, 61L, 62L, 63L, 69L, 70L, 71L, 72L, 73L, 74L, 75L, 36L, 37L, 38L, 39L, 40L, 41L, 42L, 43L, 44L, 45L, 50L, 51L, 52L, 53L, 54L, 55L, 56L, 60L, 61L, 62L, 63L, 64L, 65L, 66L, 67L, 73L, 74L, 75L, 76L, 77L, 78L, 79L, 31L, 32L, 33L, 34L, 35L, 36L, 37L, 38L, 39L, 40L, 46L, 47L, 48L, 49L, 50L, 51L, 52L, 53L, 57L, 58L, 59L, 60L, 61L, 62L, 63L, 69L, 70L, 71L, 72L, 73L, 74L, 75L, 7L, 9L, 12L, 18L, 28L, 26L, 51L, 37L, 3L, 2L, 19L, 14L, 27L, 23L, 65L, 77L、7L、9L、12L, 18L, 28L, 26L, 51L, 37L, 3L, 2L, 19L, 14L, 27L, 23L, 65L, 77L, 5L, 11L, 20L, 16L, 30L, 25L, 35L, 33L, 7L, 9L, 12L, 18L, 28L, 26L, 51L, 37L, 5L, 11L, 20L, 16L, 30L, 25L, 35L, 33L, 7L, 9L, 12L, 18L, 28L, 26L, 51L, 37L), .Label = c("t1_block2_hoed3 .mp3”、“t1_block2_whod3.mp3”、“t1_block2_whod4.mp3”、“t1_block2_whod5.mp3”、“t1_block3_heed2.mp3”、“t1_block3_heed5.mp3”、“t1_block3_hoed1.mp3”、“t1_block3_hoed2.mp3”、“t1_block3_hoed4.mp3” ”、“t1_block3_whod3.mp3”、“t1_block4_heed5.mp3”、“t2_block1_hoed3.mp3”、“t2_block1_whod1.mp3”、“t2_block1_whod2.mp3”、“t2_block1_whod4.mp3”、“t2_block2_heed3.mp3”、“t2_block2_hoed5.mp3”、“t2_block3_hoed1.mp3”、“t2_block3_whod1.mp3”、“t2_block4_heed2.mp3”、“t2_block4_heed5.mp3”、“t3_block1_heed1.mp3”、“t3_block1_whod2.mp3”、“t3_block1_whod5.mp3”、“t3_block2_heed5_hoed2” .mp3”、“t3_block2_whod5.mp3”、“t3_block3_hoed1.mp3”、“t3_block3_hoed4.mp3”、“t3_block4_heed3.mp3”、“t4_block1_heed1.mp3”、“t4_block1_heed2.mp3”、“t4_block1_heed3.mp3”、“t4_block1_heed4.mp3” ”、“t4_block1_heed5.mp3”、“t4_block1_hoed1.mp3”、“t4_block1_hoed2.mp3”、“t4_block1_hoed3.mp3”、“t4_block1_hoed4.mp3”、“t4_block1_hoed5.mp3”、“t4_block1_whod1.mp3”、“t4_block1_whod2.mp3”、“t4_block1_whod3.mp3”、“t4_block1_whod4.mp3”、“t4_block1_whod5.mp3”、“t4_block2_heed1.mp3”、“t4_block2_heed2.mp3”、“t4_block2_heed4.mp3”、“t4_block2_heed5_hoed13”、“t4_block2 .mp3”、“t4_block2_hoed3.mp3”、“t4_block2_hoed4.mp3”、“t4_block2_hoed5.mp3”、“t4_block2_whod2.mp3”、“t4_block2_whod4.mp3”、“t4_block2_whod5.mp3”、“t4_block3_heed1.mp3”、“t4_block3_heed4.mp3” ”、“t4_block3_heed5.mp3”、“t4_block3_hoed1.mp3”、“t4_block3_hoed2.mp3”、“t4_block3_hoed4.mp3”、“t4_block3_hoed5.mp3”、“t4_block3_whod1.mp3”、“t4_block3_whod2.mp3”、“t4_block3_whod3.mp3”、“t4_block3_whod5.mp3”、“t4_block4_heed1.mp3”、“t4_block4_heed2.mp3”、“t4_block4_heed3.mp3”、“t4_block4_heed4.mp3”、“t4_block4_heed5.mp3”、“t4_block4_hoed1_hoed24” .mp3"、"t4_block4_hoed3.mp3"、"t4_block4_whod1.mp3"、"t4_block4_whod2.mp3"、"t4_block4_whod3.mp3"、"t4_block4_whod5.mp3")、class = "factor")、持续时间 = c(497L, 517L, 580L, 563L, 569L, 486L, 506L, 536L, 545L, 554L, 516L, 600L, 607L, 577L, 537L, 583L, 544L, 566L, 567L, 616L, 652L, 564L, 517L, 612L, 564L, 632L, 662L, 565L, 594L, 622L, 552L, 542L, 539L, 554L, 600L, 607L, 577L, 497L, 517L, 580L, 563L, 569L, 594L, 563L,623L, 602L, 516L, 600L, 607L, 577L, 531L, 642L, 624L, 566L, 567L, 616L, 652L, 654L, 576L, 556L, 608L, 632L, 662L, 565L, 497L, 517L, 580L, 563L, 569L, 486L, 506L, 536L, 545L, 554L, 516L, 600L, 607L, 577L, 537L, 583L, 544L, 566L, 567L, 616L, 652L, 564L, 517L, 612L, 564L, 632L, 662L, 565L, 594L, 622L, 552L，542L，539L，554L，600L，607L，577L，497L，517L，517L，580L，563L，569L，569L，594L，563L，563L，623L，623L，602L，602L，516L，600L，600L，600L，600L，57L，577L，577L，567L，567L，531L，531L，531L，531L，531卢比616L, 652L, 654L, 576L, 556L, 608L, 632L, 662L, 565L, 452L, 547L, 510L, 663L, 470L, 503L, 600L, 517L, 491L, 505L, 641L, 581L, 520L, 485L, 517L, 622L, 452L, 547L, 510L, 663L, 470L, 503L, 600L, 517L, 491L, 505L, 641L, 581L, 520L, 485L, 517L, 622L, 510L, 458L, 558L, 638L, 483L,538L, 577L, 600L, 452L, 547L, 510L, 663L, 470L, 503L, 600L, 517L, 510L, 458L, 558L, 638L, 483L, 538L, 577L, 600L, 452L, 547L, 510L, 663L, 470L, 503L, 600L, 517L), F0 = c(196L, 204L, 204L, 197L, 203L, 216L, 208L, 223L, 213L, 219L, 196L, 202L, 205L, 202L, 208L, 205L, 202L, 197L, 20, 197L, 20 ，201L，210L，202L，208L，195L，195L，195L，205L，208L，203L，203L，203L，212L，212L，213L，210L，206L，204L，204L，196L，204L，204L，204L，204L，197L，197L，203L，201L，201L，198L，199L，199L，1993卢比，196L，202L，205L，202L，193L，195L，208L，197L，202L，195L，195L，200L，201L，201L，195L，205L，202L，202L，195L，195L，195L，195L，195L，196L，196L，204L，204L，204L，204L，197L，197L，203L，203L，208L，208卢比, 223L, 213L, 219L, 196L, 202L, 205L, 202L, 208L, 205L, 206L, 197L, 202L, 195L, 200L, 201L, 210L, 202L, 208L, 195L, 196L, 195L,208L, 203L, 203L, 212L, 213L, 210L, 206L, 204L, 196L, 204L, 204L, 197L, 203L, 201L, 198L, 199L, 203L, 196L, 202L, 205L, 202L, 193L, 195L, 208L, 197L, 202L，195L，200L，201L，195L，205L，202L，195L，195L，196L，195L，215L，215L，219L，219L，220L，220L，199L，202L，202L，204L，204L，224L，224L，231L，231L，238L，238L，238L，240L，240L，217L，212L，212L，212L，210L，210L，210L，210L，210L，210L，，210L，，210L，，210L，，210L，，220卢比208L，215L，219L，219L，220L，199L，202L，202L，204L，224L，224L，231L，231L，238L，240L，217L，212L，212L，210L，208L，208L，230L，230L，223L，223L，219L，219L，221L，199L，199L，199L，200L，204L，204L，210L，210L，210L，210L，210L，210L，，210L，，210L，，210L，，，，，地位215L, 219L, 219L, 220L, 199L, 202L, 202L, 204L, 230L, 223L, 219L, 221L, 199L, 200L, 204L, 210L, 215L, 219L, 219L, 2020L, 1929L, 2)2)2F = c(576L, 553L, 579L, 586L, 601L, 398L, 390L, 398L, 389L, 404L, 587L, 560L, 562L, 553L, 393L, 397L, 382L, 553L, 592L, 556L, 571,387L, 392L, 398L, 400L, 580L, 580L, 554L, 403L, 391L, 388L, 393L, 382L, 375L, 384L, 392L, 388L, 576L, 553L, 579L, 586L, 601L, 387L, 393L, 402L, 406L, 587L, 560L, 562L, 553L, 388L, 391L, 412L, 553L, 592L, 556L, 571L, 410L, 404L, 401L, 420L, 580L, 580L, 554L, 576L, 553L, 579L, 586L, 601L, 398L, 390L, 398L, 389L, 404L, 587L, 560L, 562L, 553L, 393L, 397L, 382L, 553L, 592L, 556L, 571L, 387L, 392L, 398L, 400L, 580L, 580L, 554L, 403L, 391L, 388L, 393L, 382L, 375L, 384L, 392L, 388L, 576L, 553L, 579L, 586L, 601L, 387L, 393L, 402L, 406L, 587L, 560L, 562L, 553L, 388L, 391L, 412L, 553L, 592L, 556L, 571L, 410L, 404L, 401L, 420L, 580L, 580L, 554L, 620L, 630L, 602L, 605L, 571L, 573L, 560L, 553L, 434L, 417L, 306L, 319L, 414L, 419L,392L，391L，620L，630L，602L，605L，571L，573L，573L，560L，553L，434L，417L，306L，306L，319L，414L，419L，419L，392L，392L，392L，391L，391L，448L，448L，441L，441L，441L，441L，293L，420L，420L，420L，420L，420L，293L，410L，410L，410L，410L，410L，392 384L，620L，630L，602L，605L，571L，573L，560L，553L，448L，441L，441L，293L，291L，420L，420L，420L，420L，420L，388L，384L，384L，620L，620L，630L，630L，602L，602L，602L，605L，571L，571L，571L，571L，571L，571 l，573 l，573 l，573 l，573 l，573 l，573，573，573，573，573，573，573，573，573 , F2 = c(1339L, 1381L, 1381L, 1347L, 1394L, 1484L, 1521L, 1539L, 1430L, 1454L, 1353L, 1378L, 1325L, 1357L, 1424L, 1563L, 1578L, 1350L, 1397L, 1273L, 1319L, 1548L, 1452L , 1499L, 1515L, 1358L, 1347L, 1248L, 1575L, 1438L, 1414L, 1548L, 3001L, 2916L, 2948L, 2973L, 2947L, 1339L, 1381L, 1381L, 1347L, 1394L, 2943L, 2913L, 2987L, 2940L, 1353L, 1378L , 1325L, 1357L, 3010L, 3008L, 2972​​L, 1350L, 1397L, 1273L, 1319L, 2963L, 2991L, 3007L,2989L, 1358L, 1347L, 1248L, 1339L, 1381L, 1381L, 1347L, 1394L, 1484L, 1521L, 1539L, 1430L, 1454L, 1353L, 1378L, 1325L, 1357L, 1424L, 1563L, 1578L, 1350L, 1397L, 1273L, 1319L, 1548L, 1452L, 1499L, 1515L, 1358L, 1347L, 1248L, 1575L, 1438L, 1414L, 1548L, 3001L, 2916L, 2948L, 2973L, 2947L, 1339L, 1381L, 1381L, 1347L, 1394L, 2943L, 2913L, 2987L, 2940L, 1353L，1378L，1325L，1357L，3010L，3008L，2972L，1350L，1397L，1273L，1319L，2963L，2991L，2991L，3007L，3007L，2989L，2989L，1358L，1358L，1347L，1347L，1248L，1248L，1247L，1247L，1247L，1244.124，1244.124，1244.129，1244年，1244年，1244年1381L, 1314L, 1233L, 1190L, 1208L, 1643L, 1659L, 1452L, 1438L, 1247L, 1244L, 1293L, 1264L, 1348L, 1354L, 1378L, 1381L, 1314L, 1233L, 1190L, 1208L, 1643L, 1659L, 1452L, 1438L, 2837L、2816L、2780L、2776L、2684L, 2718L, 2947L, 2948L, 1247L, 1244L, 1293L, 1264L, 1348L, 1354L, 1378L, 1381L, 2837L, 2816L, 2780L, 2776L, 2684L, 2718L, 2947L, 2948L, 1247L, 1244L, 1293L, 1264L, 1348L, 1354L, 1378L, 1381L), F3 = c(2831L, 2779L, 2915L, 2875L, 2712L, 2730L, 2793L, 2779L, 2772L, 2692L, 2718L, 2856L, 2674L, 2659L, 2717L, 2584L, 2829L, 2726L, 2685L, 2866L , 2793L, 2614L, 2636L, 2907L, 2822L, 2932L, 2882L, 2882L, 2650L, 2929L, 2809L, 2737L, 3623L, 3607L, 3584L, 3576L, 3680L, 2831L, 2779L, 2915L, 2875L, 2712L, 3641L, 3590L, 3556L , 3584L, 2718L, 2856L, 2674L, 2659L, 3640L, 3656L, 3686L, 2726L, 2685L, 2866L, 2793L, 3516L, 3552L, 3513L, 3579L, 2932L, 2882L, 2882L, 2831L, 2779L, 2915L, 2875L, 2712L, 2730L , 2793L, 2779L, 2772L, 2692L,2718L，2856L，2674L，2659L，2717L，2584L，2829L，2726L，2726L，2685L，2866L，2793L，2614L，2636L，2907L，2907L，2822L，2932L，2932L，2882L，2882L，2882L，2882L，2650L，2650L，272929292929292929292929292929.L，2729.L，2729. 3576L, 3680L, 2831L, 2779L, 2915L, 2875L, 2712L, 3641L, 3590L, 3556L, 3584L, 2718L, 2856L, 2674L, 2659L, 3640L, 3656L, 3686L, 2726L, 2685L, 2866L, 2793L, 3516L, 3552L, 3513L, 3579L, 2932L, 2882L, 2882L, 2711L, 3129L, 2786L, 2833L, 2754L, 2771L, 2856L, 2779L, 2909L, 2750L, 2866L, 2863L, 2804L, 2704L, 2636L, 2929L, 2711L, 3129L, 2786L, 2833L, 2754L, 2771L，2856L，2779L，2909L，2750L，2866L，2863L，2863L，2804L，2704L，2704L，2636L，2929L，3226L，3121L，3121L，3867L，3867L，3319L，3319L，3319L，3426L，3269L，3269L，3269L，33380L，333333333333333357 and 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 278 ,， 2856L、2779L、3226L、3121L、3867L, 3319L, 3426L, 3269L, 3680L, 3357L, 2711L, 3129L, 2786L, 2833L, 2754L, 2771L, 2856L, 2779L), 字 = 结构 (c(2L, 2L, 2L, 4L, 2L, 4L, 4L) , 4L, 4L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 1L , 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 1L , 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 2L, 2L , 2L, 2L, 4L, 4L, 4L, 4L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L , 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L , 3L, 3L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,4L，4L，4L，4L，4L，4L，4L，4L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，2L，2L，2L，2L，2L，2L，1L， 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("heed", "hoed", "hoed", "whod " ), class = "factor"), 元音 = structure(c(2L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 2L，2L，2L，2L，4L，4L，4L，4L，2L，2L，2L，4L，4L，4L，4L，1L，1L，1L，1L，1L，2L，2L，2L，2L，2L， 1L，1L，1L，1L，2L，2L，2L，2L，1L，1L，1L，2L，2L，2L，2L，1L，1L，1L，1L，2L，2L，2L，2L，2L，2L， 2L，2L，4L，4L，4L，4L，4L，2L，2L，2L，2L，4L，4L，4L，2L，2L，2L，2L，4L，4L，4L，4L，2L，2L，2L， 4L, 4L, 4L, 4L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L,1L，2L，2L，2L，2L，1L，1L，1L，2L，2L，2L，2L，1L，1L，1L，1L，2L，2L，2L，3L，2L，2L，2L，2L，2L， 2L，2L，4L，4L，4L，4L，4L，4L，4L，4L，2L，2L，2L，2L，2L，2L，2L，2L，4L，4L，4L，4L，4L，4L，4L， 4L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("i", "o", "o", "u"), class = "factor"), F1.Mean = c(564L, 564L, 564L, 564L, 564L, 394L, 394L, 394L, 394L, 394L, 564L, 564L, 564L, 564L, 394L, 394L, 394L, 564L, 564L, 5964L, 394L, 394L, 394L, 394L, 564L, 564L, 564L, 394L, 394L, 394L, 394L, 398L, 398L, 398L, 398L, 398L, 564L, 564L, 564L, 564L, 564L, 398L, 398L, 398L, 398L,564L，564L，564L，564L，398L，398L，398L，564L，564L，564L，564L，564L，398L，398L，398L，398L，398L，398L，398L，398L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，564L，兼具394L, 394L, 394L, 564L, 564L, 564L, 564L, 394L, 394L, 394L, 564L, 564L, 564L, 564L, 394L, 394L, 394L, 394L, 564L, 564L, 564L, 394L, 394L, 394L, 394L, 398L, 398L, 398L, 398L, 398L, 564L, 564L, 564L, 564L, 564L, 398L, 398L, 398L, 398L, 564L, 564L, 564L, 564L, 398L, 398L, 398L, 564L, 564L, 564L, 564L, 398L，398L，398L，398L，564L，564L，564L，627L，627L，627L，614L，614L，614L，614L，614L，566L，566L，566L，566L，432L，432L，432L，432L，327L，327L，327L，327L，327L，327L，327L，415卢比614L, 614L, 614L, 614L, 566L, 566L, 432L, 432L, 327L, 327L, 415L, 415L, 393L, 393L, 397L, 397L, 292L, 292L, 417L, 417L, 398L,398L, 627L, 627L, 614L, 614L, 614L, 614L, 566L, 566L, 397L, 397L, 292L, 292L, 417L, 417L, 398L, 398L, 627L, 627L, 614L, 614L, 614L, 614L, 566L, 566L) ，f2.Mean = C（1328L，1328L，1328L，1328L，1328L，1328L，1496L，1496L，1496L，1496L，1496L，1496L，1328L，1328L，1328L，1328L，1328L，1328L，1328L，1328L，1496L，1496L，1496L，1496L，1496L，1328 l，1328 l，1328 l，1328，1328，1328，1328，1328，1328，1328; , 1496L, 1496L, 1496L, 1328L, 1328L, 1328L, 1496L, 1496L, 1496L, 1496L, 2969L, 2969L, 2969L, 2969L, 2969L, 1328L, 1328L, 1328L, 1328L, 1328L, 2969L, 2969L, 2969L, 2969L, 1328L , 1328L, 1328L, 1328L, 2969L, 2969L, 2969L, 1328L, 1328L, 1328L, 1328L, 2969L, 2969L, 2969L, 2969L, 1328L, 1328L, 1328L, 1328L, 1328L, 1328L, 1328L, 1328L, 1496L, 1496L, 1496L , 1496L, 1496L, 1328L, 1328L, 1328L, 1328L, 1496L, 1496L, 1496L, 1328L,1328L, 1328L, 1328L, 1496L, 1496L, 1496L, 1496L, 1328L, 1328L, 1328L, 1496L, 1496L, 1496L, 1496L, 2969L, 2969L, 2969L, 2969L, 2969L, 1328L, 1328L, 1328L, 1328L, 1328L, 2969L, 2969L, 2969L, 2969L, 1328L, 1328L, 1328L, 1328L, 2969L, 2969L, 2969L, 1328L, 1328L, 1328L, 1328L, 2969L, 2969L, 2969L, 2969L, 1328L, 1328L, 1328L, 1250L, 1250L, 1247L, 1247L, 1247L，1247L，1357L，1357L，1292L，1292L，1157L，1157L，1157L，1746L，1746L，1455L，1455L，1455L，1250L，1250L，1250L，1247L，1247L，1247L，1247L，1247L，1247L，1247L，1247L，1247L，1357L，1357L，1357L，1357L，129292929292929292929.1359292929.1357L，1292; 1746L, 1455L, 1455L, 2828L, 2828L, 2763L, 2763L, 2721L, 2721L, 2969L, 2969L, 1250L, 1250L, 1247L, 1247L, 1247L, 1247L, 1357L, 1357L, 2828L, 2828L, 2763L, 2763L, 2721L, 2721L, 2969L、2969L、1250L、1250L、1247L, 1247L, 1247L, 1247L, 1357L, 1357L), 距离 = c(16L, 54L, 55L, 29L, 76L, 13L, 25L, 43L, 66L, 43L, 34L, 50L, 4L, 31L, 72L, 67L, 8 , 25L, 74L, 56L, 11L, 52L, 44L, 5L, 20L, 34L, 25L, 81L, 80L, 58L, 82L, 52L, 36L, 58L, 25L, 7L, 24L, 16L, 54L, 55L, 29L, 76L , 28L, 56L, 18L, 30L, 34L, 50L, 4L, 31L, 42L, 40L, 14L, 25L, 74L, 56L, 11L, 13L, 23L, 38L, 30L, 34L, 25L, 81L, 16L, 54L, 55L , 29L, 76L, 13L, 25L, 43L, 66L, 43L, 34L, 50L, 4L, 31L, 72L, 67L, 83L, 25L, 74L, 56L, 11L, 52L, 44L, 5L, 20L, 34L, 25L, 81L , 80L, 58L, 82L, 52L, 36L, 58L, 25L, 7L, 24L, 16L, 54L, 55L, 29L, 76L, 28L, 56L, 18L, 30L, 34L, 50L, 4L, 31L, 42L, 40L, 14L , 25L, 74L, 56L, 11L, 13L, 23L, 38L, 30L, 34L, 25L, 81L, 8L, 7L, 48L, 19L, 110L, 115L, 22L, 27L,22L, 61L, 39L, 52L, 103L, 87L, 3L, 17L, 8L, 7L, 48L, 19L, 110L, 115L, 22L, 27L, 22L, 61L, 39L, 52L, 103L, 87L, 3L, 17L, 52L, 46L, 17L, 13L, 37L, 4L, 24L, 25L, 8L, 7L, 48L, 19L, 110L, 115L, 22L, 27L, 52L, 46L, 17L, 13L, 37L, 4L, 24L, 25L, 8L, 7L, 48L, 19L, 110L, 115L, 22L, 27L), 包括 = 结构 (c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L , 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L , 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L , 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L , 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "Yes", class = "factor"), Talker = structure(c(4L, 4L, 4L, 4L) , 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L , 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L , 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L， 4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L， 4L，4L，1L，1L，2L，2L，3L，3L，4L，4L，1L，1L，2L，2L，3L，3L，4L，4L，1L，1L，2L，2L，3L，3L，4L， 4L，1L，1L，2L，2L，3L，3L，4L，4L，1L，1L，2L，2L，3L，3L，4L，4L，1L，1L，2L，2L，3L，3L，4L，4L， 1L, 1L, 2L, 2L, 3L, 3L, 4L, 4L, 1L, 1L, 2L, 2L, 3L, 3L, 4L, 4L), .Label = c("T1", "T2", "T3", "T4"), class = "factor"), Ambiguity = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L,2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L， 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("High", "Low"), class = "factor"),变异性=结构（c（2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("Mixed", "Single "), class = "factor"), Consistency = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("Consistent", "Inconsistent"), class = "factor"), Fake = c(477, 497, 560, 543, 549, 466, 486、516、525、534、496、580、587、557、517、563、524、546、547、596、632、544、497、592、544、612、642、545、574、602、532、 522、519、534、580、587、557、477、497、560、543、549、574、543、603、582、496、580、587、557、511、622、604、546、547、596、 632, 634, 556, 536, 588, 612, 642, 545, 477, 497, 560, 543, 549, 466, 486, 516, 525, 534, 496, 580, 587, 557, 517, 563, 524, 546,547、596、632、544、497、592、544、612、642、545、574、602、532、522、519、534、580、587、557、477、497、560、543、549、574、 543、603、582、496、580、587、557、511、622、604、546、547、596、632、634、556、536、588、612、642、545、452、547、510、663、 470, 503, 600, 517, 491, 505, 641, 581, 520, 485, 517, 622, 452, 547, 510, 663, 470, 503, 600, 517, 491, 505, 641, 581, 520, 485, 517, 622, 510, 458, 558, 638, 483, 538, 577, 600, 452, 547, 510, 663, 470, 503, 600, 517, 510, 458, 558, 638, 483, 538, 577, 600, 452, 547, 510, 663, 470, 503, 600, 517), 检查 = c(20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20 , 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20 , 20,20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0)), row.names = c(NA, -192L), class = "data.frame")20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0)), 行。名称= c（NA，-192L），类=“data.frame”）20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0)), 行。名称= c（NA，-192L），类=“data.frame”）0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0)), row.names = c(NA, -192L), class = "data.frame")0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0)), row.names = c(NA, -192L), class = "data.frame")

标签： rif-statement

解决方案

我们可以用&or检查多个条件|。在这里，我们需要&，因为这两个条件都应该满足

option1$Surgical <- ifelse(option1$Variability == "Single" &
       option1$Duration > 625, option1$Duration - 20, option1$Duration)

推荐阅读