上述例子的函数中，都只输入了单一值。如果我们提供一个向量，那么这个函数将产
生警告，这是因为 if 语句不能与多值向量共存。
check_ _positive(c(1,-1,0))
## Warning in if (x > 0) 1: 条件的长度大于一，因此只能用其第一元素
## [1] 1
从输出结果可以看到，if 语句忽视除第 1 个元素以外的所有元素，假如提供多值逻辑
向量的话：
num <- c(1,2,3)
if (num > 2){
cat("num > 2!")
}
## Warning in if (num > 2) {: 条件的长度大于 1，因此只能用其第一元素
这个表达式产生了一个警告，表明只使用第 1 个元素 (1 > 2)。实际上，当我们尝试将
一个表达式作用于逻辑向量时，该表达式的值会被 TRUE 和 FALSE 混淆而显得逻辑不清。
一些逻辑函数可以避免出现模棱两可的情况。举个例子，只要给定向量中有一个值
是 TRUE，any( ) 函数就会返回 TRUE：
any(c(TRUE,FALSE,FALSE))
## [1] TRUE
any(c(FALSE,FALSE))
## [1] FALSE
因此，如果我们确实想知道向量中是否存在大于 2 的值，就应该使用 any( ) 函数：
if (any(num > 2)) {
cat("num > 2!")
}
## num > 2!
类似地，如果想知道输出向量中是否所有值都大于 2，我们应该调用 all( ) 函数：
if (all(num > 2)) {
cat("num > 2!")
} else {
cat("Not all values are greater than 2!")
}
## Not all values are greater than 2!
因此，每次使用 if 表达式来分支工作流时，都要确保待判断条件是单值逻辑向量。
否则，就会出现一些意想不到的情况。
另一个例外是 NA，虽然它是单值逻辑向量，但稍不注意，就可能导致 if 条件报错：
check <- function(x) {
if(all(x > 0)){
cat("All input values are positive!")
} else {
cat("Some value are not positive!")
}
}
对于不存在缺失值的典型数值向量，check( ) 函数可以完美运行。然而，如果 x 中
存在缺失值，那么函数可能最终产生错误：
check(c(1,2,3))
## All input values are positive!
check(c(1,2,NA,-1))
## Some value are not positive!
check(c(1,2,NA))
## Error in if (all(x > 0)) {: 需要 TRUE/FALSE 值的地方不可以用缺少值
由此可知，当我们写 if 条件语句时应该小心缺失值。当逻辑复杂且输入数据多种多
样时，难以用恰当的方式简单绕地过缺失值。注意到 any( ) 和 all( ) 均可使
用 na.rm( )来处理缺失值。在写条件句的时候也应该考虑这个因素。
一个简化条件检查的方法是使用 isTRUE(x)，它在内部调用 identical(TRUE,x)。
在这种情况下，只有一个单独的 TRUE 可以满足该条件，其他的值不会。