将逻辑型强制转换为数值型以规避if...else是否属于不良编码风格？

先定义示例数据：

df <- data.frame(
  x = c(TRUE, FALSE, FALSE, TRUE),
  y = c(100, 100, 140, 180)
)

场景1：生成列z——x为TRUE时取y，否则为0 #

两种实现方式：

• 利用布尔转数值的强制转换写法：

# 类型强制转换实现
df$z <- df$y * df$x

• 向量化条件判断写法：

# dplyr向量化条件判断实现
df$z <- dplyr::if_else(df$x, df$y, 0)

场景2：生成列z——x为FALSE时给y加500，否则保持原值 #

两种实现方式：

• 利用布尔转数值的强制转换写法：

# 类型强制转换实现
df$z <- df$y + 500 * !df$x

• 向量化条件判断写法：

# dplyr向量化条件判断实现
df$z <- dplyr::if_else(!df$x, df$y + 500, df$y)

核心问题：布尔强制转换的写法算不算不良编码风格？ #

结论是：不算绝对的不良风格，但要根据场景和团队情况选择：

• 适用场景：个人项目、团队成员均熟悉R的布尔值转数值特性（TRUE=1，FALSE=0），这种写法简洁高效，代码量少且运算性能不弱；
• 需要谨慎的场景：如果是多人协作的项目（尤其是有新手参与）、逻辑本身容易混淆，优先选if_else这类语义明确的写法——它直接把条件逻辑写在明面上，可读性和可维护性更高，后续接手的人不需要额外理解布尔强制转换的隐含规则。

另外要注意：如果后续x的类型意外从布尔型变成数值型（比如存入了0/1的整数），虽然结果可能一致，但强制转换写法的语义会变得模糊，不如条件判断写法的逻辑清晰。

内容的提问来源于stack exchange，提问作者Santiago