12 Basic: control flow

到目前为止，本课程中写过的所有代码都是线性执行的，即按从头到尾的顺序执行所有语句。只使用这种单向控制流，可以编写一些非常简单的程序，这种写法可以视作是不对代码的执行顺序做任何人为的控制。

简单来讲，控制流（control flow）就是控制代码的流程，通过一定方式控制代码执行的顺序。Control flow 能够极大地增加代码的功能性，是现代编程语言的经典成分，绝大多数编程语言中都有控制流的模块。

Control flow 可以分为 conditional flow （条件流）和 loop （循环）两大类。

（本节内所有的流程图都来自GeeksforGeeks）

12.1 Conditional flow

12.1.1 `if else`

基本语法结构

if (cond) {
  cons.expr
} else {
  alt.expr
}

如果cond的结果是TRUE，执行cons.expr，反之则执行alt.expr。cond通常都是 relational operator 的结果，或者是is.xxx()类 function 的结果。cond的执行结果要求是长度为 1 的 logical vector，如果长度超过 1，执行时会得到一个 error，详见12.1.1.3。

age <- 12
# age <- c(11, 12)
if (age < 12) {
  "elementary school"
} else {
  "middle school"
}
#> [1] "middle school"

在 Rstudio 中可以通过 Snippets 的功能快速输入if else结构：

if else 有以下 4 种情况：

12.1.1.1 Single `cond` without `else`

如果不需要else部分，可以简化为：

if (cond) {
  expr
}

当expr和cond都很简短时，可以进一步简化为：

if (cond) cond expr
if (cond) cons.expr else alt.expr

例如：

input <- 1
if (input == 1) "yes" 
#> [1] "yes"
if (input == 2) "yes" else "no"
#> [1] "no"

12.1.1.2 Multiple `cond`s with `else if`

if (cond1) {
  cond1.expr
} else if (cond2) {
  cond2.expr
} else if (cond3) {
  cond3.expr
}

例如：

input <- 1
if (input == 1) {
  "a"
} else if (input == 2) {
  "b"
} else if (input == 3) {
  "c"
}
#> [1] "a"

但要注意，上面这段代码，如果input不是1,2,3这 3 个互斥条件中的任意一个，执行时不会有任何的提示，这种情况属于没有考虑到所有的可能，存在漏洞，容易出问题，建议改成以下写法：

input <- 4
if (input == 1) {
  "a"
} else if (input == 2) {
  "b"
} else if (input == 3) {
  "c"
} else {
  stop(paste("Exception encountered,", input, "does not satisfy any condition!"))
}
#> Error: Exception encountered, 4 does not satisfy any condition!

同样，也可以通过 Snippets 快速输入if else if结构：

12.1.1.3 Complex `cond`

if结构中的cond可以是比较复杂的关系 + 逻辑运算的结果，具体又分为两种情况：

结果是长度为 1 的 logical vector

a <- 0
if (a > -3 & a < -1 || a > 1 & a < 3) {
  "yes"
}

结果是长度大于 1 的 logical vector

当cond的结果是长度大于 1 的 logical vector，在 4.2.0 以下版本的 R 中会得到一个 warning，例如

rnd <- runif(3)
rnd
if (rnd > 0.95) {
  "you are awfully lucky"
}

运行结果为

[1] 0.5021010 0.8256499 0.1971661
Warning message:
In if (rnd > 0.95) { :
  the condition has length > 1 and only the first element will be used

相同的代码在 4.2.0 及以上版本的 R 中，会得到一个 error，例如

Error in if (rnd > 0.95) { : the condition has length > 1

因此，如果是需要依据expr中所有元素的对比结果来作出最终判断，那么正确的做法是运用all(x)和any(x)，其中x为一个 logical vector。如果x中所有的值都是TRUE，那么all(x)的结果为TRUE，反之则是FALSE。如果x中所有的值都是FALSE，any(x)的结果才是FALSE，反之都是TRUE。

rnd <- runif(3)
rnd
#> [1] 0.7188258 0.2188064 0.6252297
if (all(rnd > 0.95)) {
  "you are awfully lucky"
} else if (any(rnd > 0.95)) {
  "you are lucky"
} else {
  "sorry, you are out of luck"
}
#> [1] "sorry, you are out of luck"

12.1.1.4 Vecterized `if else`: `ifelse()`

当需要针对一个 vector、matrix、array 或 data.frame 中的所有元素按照是否符合某种条件为依据统一处理时，建议使用ifelse()，是if else的向量化版本，其基本语法结构为：

ifelse(test, yes, no)

其中，test表示对某个输入 object 的所有元素的检验，检验的结果是和该 object 同样大小的一个 logical object ；yes是 object 的元素中检测为TRUE时对应的返回值；no是检测结果为FALSE时的返回值。yes和no可以是一行语句，其执行结果必须和输入的 object 同样大小；如果不是，则会触发 recycling rule,（详见7.2.2），直至满足该限制。

例如：

m1 <- matrix(sample(1:100, 16), nrow = 4, ncol = 4)
m1
#>      [,1] [,2] [,3] [,4]
#> [1,]    5   51   29   89
#> [2,]   71   58   98   67
#> [3,]   70   18   84   13
#> [4,]   86   20   69   92
print("检查每个元素是奇数还是偶数")
#> [1] "检查每个元素是奇数还是偶数"
ifelse(m1 %% 2 == 0, "even", "odd")  
#>      [,1]   [,2]   [,3]   [,4]  
#> [1,] "odd"  "odd"  "odd"  "odd" 
#> [2,] "odd"  "even" "even" "odd" 
#> [3,] "even" "even" "even" "odd" 
#> [4,] "even" "even" "odd"  "even"
# 等价于 
# ifelse(
#   m1 %% 2 == 0, 
#   matrix("even", nrow = 4, ncol = 4), 
#   matrix("odd", nrow = 4, ncol = 4)
# )
print("将所有奇数变成偶数，偶数维持不变")
#> [1] "将所有奇数变成偶数，偶数维持不变"
ifelse(m1 %% 2 == 0, m1, m1 + 1)
#>      [,1] [,2] [,3] [,4]
#> [1,]    6   52   30   90
#> [2,]   72   58   98   68
#> [3,]   70   18   84   14
#> [4,]   86   20   70   92

12.1.2 `switch` (optional)

switch结构可以视作是多个cond的if结构的等价写法，其基本语法结构如下：

switch (object,
  case1 = expr1,
  case2 = expr2
)

其中，object的不同值，对应不同的case，例如：

input <- 1
switch(input,
  "1" = print("a"),
  "2" = print("b"),
  "3" = print("c"),
  stop("No pre-set output for current `input`")
)
#> [1] "a"

switch结构也可以通过 Snippets 快速键入：

12.2 Loop

Loop 结构包括三种，for，while和repeat。

12.2.1 `for`

基本语法结构：

for(var in seq) {
  expr
}

例如：

for (i in c("A", "d", "r")) {
  print(i)  # 必须用 print 才能输出
}
#> [1] "A"
#> [1] "d"
#> [1] "r"

其中seq为1:3，表示一个长度为 3 的 vector，所有 elements 会根据位置上的先后顺序被 loop，第 1 次 loop 就把seq的第 1 个 element 取出来赋值给var，即i，然后执行expr。依次 loop 下去，直到seq的所有 elements 都被 loop 完毕。

for结构也可以通过 Snippets 快速键入：

for结构有以下使用技巧\注意事项：

12.2.1.1 `seq` can be any object

# character
df <- data.frame(
  score_last = c(100, 88, 93), 
  score_current = c(99, 96, 77)
)
for (i in names(df)) {
  print(i)
  print(mean(df[, i]))
}
#> [1] "score_last"
#> [1] 93.66667
#> [1] "score_current"
#> [1] 90.66667

# numeric
df <- data.frame(
  score_last = c(100, 88, 93), 
  score_current = c(99, 96, 77)
)
for (i in 1:length(df)) {
  print(i)
  print(mean(df[, i]))
}
#> [1] 1
#> [1] 93.66667
#> [1] 2
#> [1] 90.66667

# numeric
df <- data.frame(
  score_last = c(100, 88, 93), 
  score_current = c(99, 96, 77)
)
for (i in df) {
  print(i)
  print(mean(i))
}
#> [1] 100  88  93
#> [1] 93.66667
#> [1] 99 96 77
#> [1] 90.66667

# numeric
m1 <- matrix(1:16, nrow = 4, ncol = 4)
cumsum_m1 <- 0
for (i in m1) {
  print(i)
  cumsum_m1 <- cumsum_m1 + i
}
#> [1] 1
#> [1] 2
#> [1] 3
#> [1] 4
#> [1] 5
#> [1] 6
#> [1] 7
#> [1] 8
#> [1] 9
#> [1] 10
#> [1] 11
#> [1] 12
#> [1] 13
#> [1] 14
#> [1] 15
#> [1] 16
print(cumsum_m1)
#> [1] 136

# numeric
l1 <- list(1:2, "a", list(1, 2, 3))
for (i in l1) {
  print(i)
}
#> [1] 1 2
#> [1] "a"
#> [[1]]
#> [1] 1
#> 
#> [[2]]
#> [1] 2
#> 
#> [[3]]
#> [1] 3

12.2.1.2 `seq` is a fixed anonymous object within `for`

seq的本质是一个短暂存在的anonymous object，随着for结构的开始而出现，随着for结构的结束而消亡。这也就意味着，如果使用一个已经存在的 object 作为seq，一旦for结构开始执行，所使用的seq就固定了，在for结构的内部改动该 object 不会改变seq，因为二者是两个完全不同的 objects。

vec_num <- 1:5
for (i in vec_num) {
  vec_num <- 100
  cat("i =", i, "vec_num =", vec_num, "\n")
}
#> i = 1 vec_num = 100 
#> i = 2 vec_num = 100 
#> i = 3 vec_num = 100 
#> i = 4 vec_num = 100 
#> i = 5 vec_num = 100

12.2.1.3 Use `seq_along()`

使用seq_along()而非:生成for结构中的seq。

seq_along(x)产生一个和x等长的自然数序列，起点为 1，终点为x的长度。

vec <- runif(3)
seq_along(vec)
#> [1] 1 2 3
vec <- NULL
seq_along(vec)
#> integer(0)

for结构的常见用途是重复某个操作一定次数，并且将这些重复操作所得结果储存，例如

means <- c(80, 90, 100)
out_colon <- vector("list", length(means))
for (i in 1:length(means)) {
  out_colon[[i]] <- rnorm(10, means[[i]])
}
out_colon
#> [[1]]
#>  [1] 79.76980 77.61132 79.90355 79.77655 80.94621 79.02797
#>  [7] 80.35437 79.52474 80.77968 80.44533
#> 
#> [[2]]
#>  [1] 90.72544 91.42940 91.37350 89.07315 89.44835 88.24212
#>  [7] 90.43240 88.94611 89.92620 90.58424
#> 
#> [[3]]
#>  [1]  98.83501 101.51207  99.76628 101.71629 100.53997
#>  [6] 100.81183  98.51398 100.10704 101.15548  99.79305

当length(x)中的x长度大于 0 时，使用1:length(x)和使用seq_along()效果一样，

means <- c(80, 90, 100)
out_seqalong <- vector("list", length(means))
for (i in seq_along(means)) {
  out_seqalong[[i]] <- rnorm(10, means[[i]])
}
out_seqalong
#> [[1]]
#>  [1] 81.05216 81.41232 79.41046 80.22320 78.22984 79.72294
#>  [7] 82.85554 80.54777 79.61770 81.08065
#> 
#> [[2]]
#>  [1] 92.41319 90.33130 89.74081 90.68757 89.33327 90.71700
#>  [7] 90.29722 90.47815 90.86888 90.71255
#> 
#> [[3]]
#>  [1]  98.06717 100.32467  97.89801  98.65786 100.50766
#>  [6]  99.52305  99.67196 101.20876 100.53723 100.99713

但当length(x)中的x长度为 0 时，使用1:length(x)会有问题，

means <- c()
out_seqalong <- vector("list", length(means))
for (i in 1:length(means)) {
  out_colon[[i]] <- rnorm(10, means[[i]])
}
#> Error in rnorm(10, means[[i]]): invalid arguments
out_colon
#> [[1]]
#>  [1] 79.76980 77.61132 79.90355 79.77655 80.94621 79.02797
#>  [7] 80.35437 79.52474 80.77968 80.44533
#> 
#> [[2]]
#>  [1] 90.72544 91.42940 91.37350 89.07315 89.44835 88.24212
#>  [7] 90.43240 88.94611 89.92620 90.58424
#> 
#> [[3]]
#>  [1]  98.83501 101.51207  99.76628 101.71629 100.53997
#>  [6] 100.81183  98.51398 100.10704 101.15548  99.79305

原因是在于:既可以生成升序自然数序列，又可以生成降序自然数序列，

length(c())
#> [1] 0
1:length(c())  # equivalent to 1:0
#> [1] 1 0

但显然，当想要循环的对象长度为 0 时，应该是不循环才更符合逻辑，所以使用seq_along()会更符合预期，

means <- c()
out_seqalong <- vector("list", length(means))
seq_along(means)
#> integer(0)
for (i in seq_along(means)) {
  out_seqalong[[i]] <- rnorm(10, means[[i]])
}
out_seqalong
#> list()

12.2.1.4 `var` is a named object

和seq不同，var不是一个 anonymous object，它随着for结构的开始而出现，但不会随着for结构的结束而消亡，所以有两个特点：

var在当次 loop 内可以更改，但是不会影响下次 loop。

for (i in 1:5) {
  cat("the var used in the current loop is", i, "\n")
  i <- i + 5
  cat("the var now has been changed to", i, "\n")
}
#> the var used in the current loop is 1 
#> the var now has been changed to 6 
#> the var used in the current loop is 2 
#> the var now has been changed to 7 
#> the var used in the current loop is 3 
#> the var now has been changed to 8 
#> the var used in the current loop is 4 
#> the var now has been changed to 9 
#> the var used in the current loop is 5 
#> the var now has been changed to 10

var在for结构执行完毕后会储存在该for结构所在的 environment 里，其 value 为 seq的最后一个 element。

for (i in 1:5) {
}
i
#> [1] 5

12.2.1.5 Use `var` as subscript

使用var作为位置下标（subscript），用作 subsetting 的 index，可以实现遍历的效果。

n_ob <- 1000
medians_col <- vector(mode = "integer", length = 3)
df <- data.frame(
  c1 = sample(10000, size = n_ob),
  c2 = sample(10000, size = n_ob),
  c3 = sample(10000, size = n_ob)
)
for (r in 1:3) {
  medians_col[r] <- median(df[, r])
}
medians_col
#> [1] 5283 5370 4929

但凡是采用这个使用技巧时，如果for结构里发现有语句是通过subcript取子集，但又没使用该for结构中的var作为下标，很有可能就是出错了。

例 1：

rm(list=ls())
set.seed(1)
J <- 1000
I <- 30
K <- 30
D <- 1.7
X <- matrix(NA, J, I)
P <- matrix(NA, J, I)

theta<-rnorm(J, 0, 1)
b<-rnorm(I, 0, 1)
theta[theta>3] <- 3
theta[theta<-3] <- -3
b[b > 3] <- 3
b[b < -3] <- -3

for(j in 1:J){
  for(i in 1:I){
    P[j, i] <- 1/(1 + exp(-D*(theta[j] - b[i])))
    r <- runif(1, 0, 1)
    if(P[j,i] < r){
      X[j, i] <- 0
    }else{
      X[j, i] <- 1
    }
  }
}
theta_k<-seq(-3, 3, length.out = K)
theta_end<-matrix(NA, J, 1)
L_k<-matrix(NA, K, 1)

for(j in 1:J){
  for(k in 1:K){
    p_k <- 1/(1 + exp(-D*(theta_k[k] - b)))
    for(i in 1:I){
      p_k[i] <- ifelse(
        X[j,i] == 0,
        1-p_k[i],
        p_k[i]
      )
      L_k[k] <- prod(p_k)
    }
    fenzi <- sum(theta_k*L_k*((1/sqrt(2*pi))*exp(-(theta_k)^2/2)))
    fenmu <- sum(L_k*((1/sqrt(2*pi))*exp(-(theta_k)^2/2)))
  }
  theta_end[j] <- fenzi/fenmu
}
print(mean(abs(theta_end - theta)))

例 2：

# Hello everyone : )
# 
# 
# 
# I was trying to write a function for evaluating the p-values of the t-test of a lm model, I know is a little bit silly and probably useless but I want to practice.
# 
# The issue here is that it only evaluates the first variable.
# 
# Here is the code:

#Data
library(ISLR2)

Auto = tibble(Auto)

#Model

lm.fit = lm(mpg ~ horsepower, data = Auto)

#Function for evaluate p-values

tStest = function(x) {
  x = as.numeric(x)
  a = rep(0,length(x))
  for(i in seq_along(x)) {
    if (x[i] > 0.025) {
      a[i] = 'Accept Ho'
    } else {
      a = 'Reject Ho'
    }
  }
  print(a)
}

pv = summary(lm.fit)$coefficients[, 4] #p-values

tStest(pv) #only returns one value

#But it works with a simple vector

v = c(1,2,3)

tStest(v)

# Does anyone know where is the problem? Also I'm interested in other approaches to achieve the same objective
# 
# Sorry about my broken english, and thank you in advance

12.2.1.6 Initialize output object

输出结果（for结构中每次 loop 改动的结果变量）需提前初始化。

在前面的例子中，medians_col就是for结构的输出结果，medians_col <- vector(mode = "integer", length = 3)就是初始化，即在for结构开始前给medians_col赋值，并且大小也根据预期提前设定好，这样for结构可以顺利执行，并且执行效率最高。反之，如果不提前初始化结果变量，那么在for结构执行时，global environment 里是没有medians_col的，报错并终止：

rm(medians_col)
n_ob <- 1000
# medians_col <- vector(mode = "integer", length = 3)
df <- data.frame(
  c1 = sample(10000, size = n_ob),
  c2 = sample(10000, size = n_ob),
  c3 = sample(10000, size = n_ob)
)
for (r in 1:3) {
  medians_col[r] <- median(df[, r])
}
#> Error: object 'medians_col' not found

12.2.1.7 Alter the process of loop structure

通常在 loop 结构中，会使用if结构来实现满足条件时改动 loop 结构的执行过程。有 2 种改动，next和break。

next：跳过当前 loop

for (i in 1:3) {
  if (i == 2) next
  print(i)
}
#> [1] 1
#> [1] 3

break：跳出当前 loop 结构

for (i in 1:3) {
  if (i == 3) break
  print(i)
}
#> [1] 1
#> [1] 2

next和break适用于所有三种 loop 结构。

12.2.1.8 The recommended way of using `for`

for适合于多次重复相同的操作，这也就意味着写for 结构之前必须想清楚，需要重复的操作究竟有哪些，即for结构中expr到底要写什么，否则就会出现额外多写代码、整个代码结构不简洁的情况，

# column-wise centering
n_stu <- 30
df <- data.frame(
  math = sample(1:150, n_stu, replace = TRUE),
  chinese = sample(1:150, n_stu, replace = TRUE),
  english = sample(1:150, n_stu, replace = TRUE),
  history = sample(1:100, n_stu, replace = TRUE),
  geography = sample(1:100, n_stu, replace = TRUE),
  politics = sample(1:100, n_stu, replace = TRUE)
)

# calculate mean then subtract mean from raw data
n_col <- ncol(df)
mean_col <- vector(mode = "numeric", length = n_col)
for (r in 1:n_col) {
  mean_col[r] <- mean(df[[r]])
}

df_centered_verbose <- df
for (r in 1:n_col) {
  df_centered_verbose[[r]] <- df[[r]] - mean_col[r]
}

# more compact
df_centered_compact <- df
for (r in 1:n_col) {
  mean_col <- mean(df[[r]])
  df_centered_compact[[r]] <- df[[r]] - mean_col
}

identical(df_centered_verbose, df_centered_compact)
#> [1] TRUE

12.2.1.9 The best scenario to use `for`

for结构最适合的任务情境应当是前一次 loop 和后一次 loop 有依赖关系，这种情况只有按顺序执行的 loop 结构才能够处理。不同次 loop 之间没有任何联系彼此独立时，都可以有替代for结构的写法。

Loops 间存在联系的示例：

num_ite <- 20
a <- rep(0, num_ite)
for (i in 1:num_ite) {
  if (i != 1) {
    a[i] <- a[i - 1] + i
  }
}
a
#>  [1]   0   2   5   9  14  20  27  35  44  54  65  77  90 104
#> [15] 119 135 152 170 189 209

12.2.2 `while`

while结构可以视作是for+if。

基本语法结构：

while(cond) {
  expr
}

while结构执行前，当cond的执行结果为TRUE时，才会进入while结构，否则会直接跳过。进入while结构后，执行expr，然后会检查cond的执行结果是否为TRUE，是则继续下一次 loop，否则跳出while结构。

在使用while结构的时候要注意，一定要确保在expr中，cond会被更改，并酌情设定退出机制，否则非常容易陷入 forever loop。

# forever loop
i <- 1
while (i <= 5) {
  print(i)
}

# make sure:
#   1. cond is modified within each loop
#   2. loop can always be jumped out of
set.seed(123)
rnd_unif <- runif(1, -1, 1)
cum_sum_rnd_unif <- 0
count <- 1
while (cum_sum_rnd_unif <= 1) {
  cum_sum_rnd_unif <- cum_sum_rnd_unif + rnd_unif
  print(cum_sum_rnd_unif)
  count <- count + 1
  if (count > 20) break
}
#> [1] -0.424845
#> [1] -0.8496899
#> [1] -1.274535
#> [1] -1.69938
#> [1] -2.124225
#> [1] -2.54907
#> [1] -2.973915
#> [1] -3.39876
#> [1] -3.823605
#> [1] -4.24845
#> [1] -4.673295
#> [1] -5.09814
#> [1] -5.522984
#> [1] -5.947829
#> [1] -6.372674
#> [1] -6.797519
#> [1] -7.222364
#> [1] -7.647209
#> [1] -8.072054
#> [1] -8.496899
print(count)
#> [1] 21

while结构也可以通过 Snippets 快速键入：

12.2.3 `repeat`

repeat结构同样也可以视作是for+if。

基本语法结构：

repeat {
  expr
}

在使用repeat结构的时候要注意，一定要确保expr中有带break的if结构，保证不会陷入 forever loop：

i <- 1
repeat {
  print(i)
  i <- i + 1
  if (i > 5) {
    break
  }
}
#> [1] 1
#> [1] 2
#> [1] 3
#> [1] 4
#> [1] 5

考虑到while和repeat结构在不够谨慎的情况下都有陷入 forever loop 的风险，而二者的本质作用都是执行多次 loop，和for结构并无差异，因此，在绝大多数情况下都建议使用for结构。

例如前文展示在使用while结构时避免 forever loop 的代码完全可以用如下for结构替代：

set.seed(123)
rnd_unif <- runif(1, min = -1, max = 1)
cum_sum_rnd_unif <- 0
n_loop <- 20
for (i in 1:n_loop) {
  cum_sum_rnd_unif <- cum_sum_rnd_unif + rnd_unif
  print(cum_sum_rnd_unif)
}
#> [1] -0.424845
#> [1] -0.8496899
#> [1] -1.274535
#> [1] -1.69938
#> [1] -2.124225
#> [1] -2.54907
#> [1] -2.973915
#> [1] -3.39876
#> [1] -3.823605
#> [1] -4.24845
#> [1] -4.673295
#> [1] -5.09814
#> [1] -5.522984
#> [1] -5.947829
#> [1] -6.372674
#> [1] -6.797519
#> [1] -7.222364
#> [1] -7.647209
#> [1] -8.072054
#> [1] -8.496899

12.3 Recap

不论是使用if结构还是switch结构，在构建包含多个互斥conds 的结构时都需要将所有的情况都考虑到；
if结构中，cond为 logical vector 时，根据需要运用all()（相当于&）和any()（相当于|）；
ifelse()适用于快速检验 vector、matrix、array、data.frame 中的所有 elements，是if else的向量化写法；
for结构中，输出结果需初始化；
loop 结构中，next跳过当前 loop，break跳出整个 loop 结构；
必须要使用 loop 结构时，尽量使用for结构。

11 Basic: data analysis

13 Basic: define function

12 Basic: control flow

12.1 Conditional flow

12.1.1 if else

12.1.1.1 Single cond without else

12.1.1.2 Multiple conds with else if

12.1.1.3 Complex cond

12.1.1.4 Vecterized if else: ifelse()

12.1.2 switch (optional)

12.2 Loop

12.2.1 for

12.2.1.1 seq can be any object

12.2.1.2 seq is a fixed anonymous object within for

12.2.1.3 Use seq_along()

12.2.1.4 var is a named object

12.2.1.5 Use var as subscript

12.2.1.6 Initialize output object

12.2.1.7 Alter the process of loop structure

12.2.1.8 The recommended way of using for

12.2.1.9 The best scenario to use for

12.2.2 while

12.2.3 repeat

12.3 Recap

12.1.1 `if else`

12.1.1.1 Single `cond` without `else`

12.1.1.2 Multiple `cond`s with `else if`

12.1.1.3 Complex `cond`

12.1.1.4 Vecterized `if else`: `ifelse()`

12.1.2 `switch` (optional)

12.2.1 `for`

12.2.1.1 `seq` can be any object

12.2.1.2 `seq` is a fixed anonymous object within `for`

12.2.1.3 Use `seq_along()`

12.2.1.4 `var` is a named object

12.2.1.5 Use `var` as subscript

12.2.1.8 The recommended way of using `for`

12.2.1.9 The best scenario to use `for`

12.2.2 `while`

12.2.3 `repeat`