R语言函数中用if处理字符串，拆分数据集为三个数据框遇问题

看起来你的数据拆分函数存在几个关键问题，导致没有得到预期的train、test、validate数据集，我帮你逐一修正并解释：

原代码的核心问题 #

• 第二个createDataPartition错误地使用了原数据集cleaned.data，而不是拆分后剩下的bufferDF——这会导致test集和validate集与train集重叠，而且比例完全不符合预期（本该从剩余30%里各分50%，结果变成从全量数据里再分50%）。
• 函数内部创建的数据集变量是局部变量，没有通过return()返回，所以调用函数后根本拿不到结果。
• 代码只处理了type == "train"的情况，缺少test和validate的分支，而且原代码的if语句不完整。

修正后的函数（按类型返回单数据集） #

如果你希望通过传入type参数获取对应数据集，可以用这个版本：

library(caret)

splitData <- function(type) { 
  set.seed(1337) 
  # 第一步：拆分出70%的训练集
  rowTrain <- createDataPartition(y = cleaned.data$CHURN, p = 0.7, list = FALSE) 
  cdTrain <- cleaned.data[rowTrain,] 
  bufferDF <- cleaned.data[-rowTrain,] 
  
  # 第二步：从剩余30%数据里拆分出50%作为测试集，剩下的是验证集
  rowTest <- createDataPartition(y = bufferDF$CHURN, p = 0.5, list = FALSE) 
  cdTest <- bufferDF[rowTest,] 
  cdValidate <- bufferDF[-rowTest,] 
  
  # 根据传入的type返回对应数据集，同时处理无效参数
  if(type == "train") {
    return(cdTrain)
  } else if(type == "test") {
    return(cdTest)
  } else if(type == "validate") {
    return(cdValidate)
  } else {
    stop("参数无效！请选择 'train', 'test' 或 'validate'")
  }
}

# 使用示例
train_df <- splitData("train")
test_df <- splitData("test")
validate_df <- splitData("validate")

更高效的版本：一次返回三个数据集 #

更推荐这种方式——只调用一次函数就能得到所有三个数据集，避免重复执行拆分逻辑，也能确保数据集拆分的一致性：

library(caret)

splitData <- function() { 
  set.seed(1337) 
  # 拆分训练集
  rowTrain <- createDataPartition(y = cleaned.data$CHURN, p = 0.7, list = FALSE) 
  cdTrain <- cleaned.data[rowTrain,] 
  bufferDF <- cleaned.data[-rowTrain,] 
  
  # 拆分测试集和验证集
  rowTest <- createDataPartition(y = bufferDF$CHURN, p = 0.5, list = FALSE) 
  cdTest <- bufferDF[rowTest,] 
  cdValidate <- bufferDF[-rowTest,] 
  
  # 返回包含三个数据集的列表
  list(
    train = cdTrain,
    test = cdTest,
    validate = cdValidate
  )
}

# 使用示例
data_splits <- splitData()
train_df <- data_splits$train
test_df <- data_splits$test
validate_df <- data_splits$validate

注意事项 #

• 确保已经安装并加载了caret包（先运行install.packages("caret")，再执行library(caret)），因为createDataPartition是caret包提供的函数。
• set.seed(1337)是为了确保拆分结果可复现，每次运行函数都会得到相同的数据集划分。

内容的提问来源于stack exchange，提问作者Nalhcal