逻辑运算是数学运算的重要组成部分，但其更是计算机计算的底层设置。作为一门数据处理语言，逻辑运算在R中承担着非常非常重要的作用。本专题就专门为大家整理一下R语言中的逻辑运算：TRUE/FALSE.
目录
1 基本逻辑运算符
2 异或（xor）
3 all()和any()
4 实例拆解：如何筛选非零列？
正文
1 基本逻辑运算符
注：这里将数学运算符也整理了一下，权当回顾一下。
类别
| 运算符 | 描述 |
数学运算符
| x + y | 加法 |
x - y | 减法 |
x * y | 乘法 |
x / y | 除法 |
x ^**y | 乘幂 |
x %% y | 模运算 |
x %/% y | 整数除法 |
逻辑运算符
| x == y | 判断是否相等【严格等于，区别于赋值“=”】 |
<
| 判断是否小于
|
x <= y | 判断是否小于等于 |
>
| 判断是否大于
|
x >= y | 判断是否大于等于 |
x & y | 向量的逻辑“与”运算(x、y以及运算结果都是向量) |
X | y | 向量的逻辑“或”运算(x、y以及运算结果都是向量) |
x && y | 标量的逻辑“与”运算（返回标量） |
x || y | 标量的逻辑“或”运算（返回标量） |
!x | |
补充
| xor(x,y)
| 异或：xor(T,F)返回TRUE
|
all(x)
| all()是在全部为TURE时返回T，
|
any(x)
| any()是存在任何一个TRUE时返回TRUE
|
R语言逻辑运算中额外注意2点
（1）逻辑值TRUE和FALSE可以缩写为T和F(两者都必须大写)；在算术表达式中，它们会转换为1和0。
（2）在R中，所有非零值在逻辑运算中都会被当作为TRUE。
> TRUE & FALSE #返回[1] FALSE
> 0.2 & 0 #返回[1] FALSE
（3）在R语言中标量常被看作含有一个元素的向量，但在逻辑运算中是存在差异。上表中逻辑“与”【&】和逻辑“或”【 | 】是对向量的逻辑运算（虽然单个标量也适用），但其返回的结果是逻辑向量，是对逻辑运算中的每一组元素进行逻辑运算后返回的结果。
因此，此处引入另外两个不常用但需要了解的逻辑运算符：
- x&&y：标量的逻辑“与”运算，判断逻辑x和y中只要包含一个"&"运算的TRUE行即返回TRUE标量
- x||y ：标量的逻辑“或”运算，判断逻辑向量x和y中包含一个"|"运算TRUE行即可返回TRUE标量
示例1：比较&与&&
> x <- c(TRUE,FALSE,TRUE,FALSE)
> y <- c(TRUE,TRUE,FALSE,FALSE)
> #---比较&与&&---#
> x&y
[1] TRUE FALSE FALSE FALSE
>
> x&&y #对比第9行结果可以发现，在逻辑向量逻辑运算中只要包含一个"&"运算的TRUE行即返回TRUE
[1] TRUE
> x[c(2,3,4)]&&y[c(2,3,4)]
[1] FALSE
> x[1]&&y[1] #x[1] TRUE和y[1] TRUE
[1] TRUE
> x[2]&&y[2] #x[2] FALSE和y[2] TRUE
[1] FALSE
> x[4]&&y[4] #x[4] FALSE和y[4] FALSE
[1] FALSE
示例2：比较"|"与"||"
> x <- c(TRUE,FALSE,TRUE,FALSE)
> y <- c(TRUE,TRUE,FALSE,FALSE)
>
> #---比较|与||---#
> x|y
[1] TRUE TRUE TRUE FALSE
>
> x||y #判断逻辑向量x和y中包含一个"|"运算TRUE行即可返回TRUE
[1] TRUE
>
> x[1]||y[1] #x[1] TRUE和y[1] TRUE
[1] TRUE
> x[2]||y[2] #x[2] FALSE和y[2] TRUE
[1] TRUE
> x[4]||y[4] #x[4] FALSE和y[4] FALSE
[1] FALSE
2 异或（xor）
说明：当对应元素不等时返回TRUE。例如：
- xor(T,F)返回TRUE
- xor(T,T)返回FALSE
- xor(F,F)返回FALSE
#xor异或：当对应元素不等时返回TRUE
> x <- c(TRUE,FALSE,TRUE,FALSE)
> y <- c(TRUE,TRUE,FALSE,FALSE)
> xor(x,y)
[1] FALSE TRUE TRUE FALSE
3 all()和any()
判断数据中是否存在TRUE值，其中all()是在全部为TURE时返回T，any是在存在任何一个TRUE时返回TRUE
注意事项：
（1）all(all(x), all(y)) == all(x, y)
（2）logical(0)返回TRUE
> x <- c(TRUE,FALSE,TRUE,FALSE)
> all(x) #all中，如果所有均为TRUE，返回TRUE；反之，返回FALSE
[1] FALSE
> any(x) #anyl中，如果任一值为TRUE，返回TRUE；反之，返回FALSE
[1] TRUE
#多变量all或any
> y <- c(TRUE,TRUE,FALSE,FALSE)
> all(x,y)
[1] FALSE
> all(all(x),all(y)) #all(all(x), all(y)) == all(x, y)
[1] FALSE
> any(x,y) #x，y中存在任意一个TRUE，即返回TRUE
[1] TRUE
4 实例拆解：如何筛选非零列？
示例1：apply + ！+ all
x[,apply(x,2,function(x) !all(x==0))]
来自于知乎回答者@HopeR
> df <- matrix(c(a = rep(0,5), b = c(-1:3)),nrow = 2,byrow = TRUE)
> x <- data.frame(df, stringsAsFactors = FALSE)
> x
X1 X2 X3 X4 X5
1 0 0 0 0 0
2 -1 0 1 2 3
> #来自于知乎回答者@HopeR ：x[,apply(x,2,function(x) !all(x==0))]
#apply(x,2,function(x) !all(x==0)) #对x数据库做列操作，判断每一列中的所有元素是否为0，，然后渠非"!"
# X1 X2 X3 X4 X5
# TRUE FALSE TRUE TRUE TRUE >
> x[,apply(x,2,function(x) !all(x==0))]
X1 X3 X4 X5
1 0 0 0 0
2 -1 1 2 3
示例2：purrr包（tidyverse）
purrr::discard(df, ~all(.x == 0))
purrr::keep(df, ~any(.x != 0))
来自花儿少年交流群
> x <- matrix(c(a = rep(0,5), b = c(-1:3)),nrow = 2,byrow = TRUE)
> df <- data.frame(df, stringsAsFactors = FALSE)
> library(tidyverse)
#或library（purrr）
-- Attaching packages --------------------------------------- tidyverse 1.2.1 --
√ ggplot2 3.2.0 √ purrr 0.3.2
√ tibble 2.1.3 √ dplyr 0.8.3
√ tidyr 0.8.3 √ stringr 1.4.0
√ readr 1.3.1 √ forcats 0.4.0
-- Conflicts ------------------------------------------ tidyverse_conflicts() --
x dplyr::filter() masks stats::filter()
x dplyr::lag() masks stats::lag()
> purrr::discard(df, ~all(.x == 0))
X1 X3 X4 X5
1 0 0 0 0
2 -1 1 2 3
> purrr::keep(df, ~any(.x != 0))
X1 X3 X4 X5
1 0 0 0 0
2 -1 1 2 3
注图片来自于tidyverse网站：https://www.tidyverse.org/
示例3：自建函数 + ifelse
来自拴小林（这个确实自己被搞复杂了
）
#---生成包含全0列数据集————##
x <- matrix(c(a = rep(0,5), b = c(-1:3)),nrow = 2,byrow = TRUE)
df <- data.frame(df, stringsAsFactors = FALSE)
df
#自定义循环判断全0列，全0列re返回1，非返回0#
re = rep(NA,dim(df)[2])
for (i in 1:dim(df)[2]){
ifelse(sum(abs(df[,i]))==0,re[i] <- 1,re[i] <- 0)
}
#which(re ==0)返回非全零0列值#
df[,which(re == 0)]
# X1 X3 X4 X5
#1 0 0 0 0
#2 -1 1 2 3
