要求 r 函数在全局环境中使用对象而不是对象的副本答案

【问题标题】：Require r function to use objects in global environment rather than copy of object要求 r 函数在全局环境中使用对象而不是对象的副本
【发布时间】：2018-05-04 09:45:39
【问题描述】：

我（也许是无知）对 R 的理解是函数会在内存中创建对象的临时副本。即使全局环境中的对象太大而无法复制，我如何仍然使用函数来简化代码？还是建议只对大对象的必要部分进行子集化以供函数操作？

例子

# load two objects with 10 million rows and 500 columns
big.object.1 <- readRDS(file = "previously.created.dataframe.1")
big.object.2 <- readRDS(file = "previously.created.dataframe.2")

# method 1 with memory use of ~xMB?
big.object.1$recoded.column <- ifelse(big.object.1$old.column > 0,
                                      big.object.1$recoded.column * 2,
                                      big.object.1$recoded.column * 0.5)

# method 2 with memory use of ~2xMB?
new.column_function <- function(data, old.col, recoded.col) {
  data[recoded.col] <- ifelse(data[old.col] > 0,
                                data[recoded.col] * 2,
                                data[recoded.col] * 0.5)
}

new.column_function(data = big.object.1, 
                    recoded.col = 400, 
                    new.col = 401)

当代码很复杂但没有函数但内存是函数的问题时，最佳做法是什么？如何避免复制大对象？

【问题讨论】：

您可以尝试data.table，当您的data.frame 存在内存问题时。:=，快速添加、删除和更新列子集，参考。
@incas56，你能举一个简单的例子作为答案吗？甚至可能将 data.frame 转换为 data.table，然后按照上面指定的方式操作 data.table？谢谢。

标签： r function memory large-data

【解决方案1】：

您可以使用<<-（而不是<-）在函数内访问全局环境中的对象

new.column_function <- function(old.col, recoded.col) {

  ind <- big.object[old.col] > 0

  # Do this 
  big.object[recoded.col] <<- ifelse(ind, big.object[recoded.col][ind] * 2,
                                      big.object[recoded.col][ind] * 0.5) 

  # OR do this
  big.object[recoded.col][ind] <<- big.object[recoded.col][ind] * 2
  big.object[recoded.col][!ind] <<- big.object[recoded.col][!ind] * 0.5

  # Don't think this behaves in the intended way...
  #         ifelse(big.object[old.col] > 0,
  #                                big.object[recoded.col] * 2,
  #                                big.object[recoded.col] * 0.5)
}

我不知道这是否比使用data.table 更好。

【讨论】：

假设我有 big.object.1 和 big.object.2。因此，我认为我需要一个函数参数来指定哪个对象（例如 function(big.object, old.col, recoded.col) ）。如果我调用 new.column_function(big.object.2, 400, 401) 并在函数内部使用，这是否仍会避免复制 big.object.2？或者您可能建议 big.object.1 使用一个函数，而 big.object.2 使用第二个函数？
new.column_function(big.object.2, 400, 401) 将创建big.object.2 的副本。顺便说一句，您的 ifelse 是错误的。
我觉得你使用ifelse的方式有问题。尝试编辑后的解决方案中的一种方法。
如果您有类似的几个大对象要传递，然后尝试使用指标变量，然后执行if(){} else {} 确定要工作的对象。将名称作为刺痛传递也可以。

【解决方案2】：

您可以尝试使用函数get和assign 仅将对象的名称提供给函数而不是整个对象

new.column_function <- function(nameOfData, old.col, recoded.col) {
  get(nameOfData)[recoded.col] <- ifelse(data[old.col] > 0,
                                data[recoded.col] * 2,
                                data[recoded.col] * 0.5)
}

在这种情况下，nameOfData 是一个值为 big.object.1 的字符串，例如

【讨论】：