更新 R 中的数据框和环境

Question

我不太清楚为什么数据框对象没有更新

d <- data.frame(titi=c(0))
(function(dataset) {
  dataset[["toto"]] <- 1;
  print(names(dataset)) #has "toto" and "titi"
})(d)
print(names(d)) # no has "toto", only "titi" 

这是怎么回事？

我有一个解决方法，因为在我的代码中我还捕获了变量并使用 <<- 更新捕获的变量，但我想知道机制。

我知道一般突变的危险等等。我只是不明白这里的机制。

编辑

虽然这似乎是一个语言级别的特性的共识，但我不遵循这个论点，好像我使用了一个封闭的结构，数据表，它可以变异：

d <- data.table(titi=c(0))
(function(dataset) {
  dataset[,toto:=1]
  print(names(dataset)) #"titi" "toto"
})(d)
print(names(d)) #"titi" "toto"

Answer 1

这里发生了什么？

你还没有读过The introduction to R，尤其是Assignment within functions上的部分或writing your own functions上的部分

两个相关的引号是

请注意，在函数内完成的任何普通赋值都是本地和临时的，并且在退出函数后会丢失。

和

表达式的值是函数返回的值。

在您的情况下，您的函数调用的最终值为names，它将返回一个字符向量....

---

范围界定可能是一个复杂的问题，但您的示例是一个简单的案例。

如果您想要更完整的参考，请查看R language definition。

---

但是data.table 做到了....

是的，:= 中的 data.table 通过引用分配。这不是普通的任务。

data.table 继承自 data.frame。它们不相同，:= 按引用分配（也称为setattr）按引用分配。这违反了标准R 成语。 这也可能导致问题，请参阅Why does data.table update names(DT) by reference, even if I assign to another variable?

还有其他方法可以绕过它，但标准的R 习惯用法是函数内的普通赋值是局部的和临时的，并且在退出后会丢失。

你也可以考虑使用ReferenceClasses（见?setRefClass）

---

不仅限于列表/data.frames。原子向量是一样的

  mydf <- data.frame(a=1)
  mylist <- list(a=1)
  mynumeric <- c(a = 1)

mydf <- data.frame(a=1)
mylist <- list(a=1)
mynumeric <- c(a = 1)

foo <- function(x){x[['b']] <- 1; print(names(x))}

# data.frame
foo(mydf)
# [1] "a" "b"
mydf
#    a
#  1 1

# list
foo(mylist)
# [1] "a" "b"
mylist
# $a
# [1] 1

# atomic
foo(mynumeric)
# [1] "a" "b"
 mynumeric
# a 
#  1 

Answer 2

这里的代码实现了您的预期，即使用匿名函数来“通过引用”更改列表参数：

d <- data.frame(titi=c(0))
(function(dataset) { nam <-deparse(substitute(dataset))
   dataset[["toto"]] <- 1; assign(nam ,  dataset, envir=parent.frame() )
   print(names(dataset)) #has "toto" and "titi"
 })(d)
#[1] "titi" "toto"
 print(names(d))
#[1] "titi" "toto"
 d
#  titi toto
#1    0    1

我不认为你会发现它比：

d <- data.frame(titi=c(0))
 addcol <- function(dataset) { 
   dataset[["toto"]] <- 1
   dataset}
d <-addcol(d)
d
#  titi toto
#1    0    1

Answer 3

做类似的事情

foo <- data.frame(x=2)
(function(df) {df[["x"]] <- 1; df})(foo)

没有将返回值赋值给任何东西，结果发现foo没有改变，真的和

x <- 2
(function(n) {n <- 1; n})(x)

发现x 没有改变。为什么你会期待别的东西是个好问题。

---

我认为这将是关于 R 的更常见（和合理）的问题之一，即：为什么要从 local 修改驻留在 外部 环境中的数据集环境，什么都不做。也就是说，给定以下代码

foo <- data.frame(x=2)
(function() {foo[["x"]] <- 1; foo})()

为什么foo 还没有改变？

在这种情况下，考虑一下可能会有用

df[[x]] <- y

作为语法糖

df <- data.frame(df[names(df)!="x"], x = y)

因为毕竟，在函数式语言中你没有副作用，而修改对象的一部分是一种副作用。换句话说，您实际上是在制作带有所需更改的 df 的新副本。

与任何分配一样，这发生在本地环境中。如果原来的df 也恰好位于此环境中，那么新副本将替换旧副本。如果没有，那么您现在有两个版本的df：一个在本地环境中，一个在其他地方。如果你不给任何东西分配新版本，它会在函数返回时丢失。