Question

替换矢量中的元素时，例如

a <- 1:1000000
a[1] <- 2

R复制整个向量，替换新向量中的元素，然后执行变量名称重新关联。我想知道无论如何要覆盖或阻止它使它表现得更像c阵列？

由于

Answer 1

tracemem函数（R需要编译以支持它）提供复制何时发生的指示。这就是你做的事情

> a <- 1:1000000; tracemem(a)
[1] "<0x7f791b39e010>"
> a[1] = 2
tracemem[0x7f791b39e010 -> 0x7f791a9d4010]:

确实有副本。但这是因为您从一个整数向量（a创建一个整数序列）强制1:1000000到一个数字向量（因为2是一个数值，并且R强制一般的类型）。相反，如果用整数值或带数值的数字向量更新整数向量，则没有复制

> a <- 1:1000000; tracemem(a)
[1] "<0x7f791a4ef010>"
> a[1] = 2L
> a = c(1, 2, 3); tracemem(a)
[1] "<0x5180470>"
> a[1] = 2
>

从表面层面理解R的记忆管理是如何运作的，还有一点点进一步的洞察力。每个分配都有与之关联的NAMED级别。 NAMED = 0或1表示最多有1个符号引用它;因此可以安全地复制到位。 NAMED = 2表示存在或者至少有2个符号指向同一位置，并且任何更新该值的尝试都需要重复以保留R＆＃39;复制变更的错觉＆＃ 39 ;.以下揭示了a的一些内部结构，包括具有NAM（1）（NAMED级别1）的INTSXP（整数）类型以及它是TRaced。因此更新（使用整数！）不需要副本。

> a = 1:10; tracemem(a); .Internal(inspect(a))
[1] "<0x5170818>"
@5170818 13 INTSXP g0c4 [NAM(1),TR] (len=10, tl=0) 1,2,3,4,5,...
> a[1] = 2L
>

另一方面，这里有两个符号表示内存中的位置，因此NAMED为2且需要复制

> a = b = 1:10; tracemem(a); .Internal(inspect(a))
[1] "<0x576d1a0>"
@576d1a0 13 INTSXP g0c4 [NAM(2),TR] (len=10, tl=0) 1,2,3,4,5,...
> a[1] = 2L
tracemem[0x576d1a0 -> 0x576d148]:

很难对NAMED进行推理，所以在某种程度上这些类型的游戏对它们来说都是徒劳的。

inspect会返回其他信息。每种R类型在内部表示为SEXP＆＃39; （S表达式）类型。这些是枚举，第13个SEXP类型是整数SEXP - 因此13 INTSXP。查看.Internal(inspect(...))以获取数字向量，字符向量甚至函数.Internal(inspect(function() {}))。

R通过定期运行“垃圾收集器”来管理内存。检查是否当前引用了内存;如果不是，则将其回收以供另一个符号使用。垃圾收集器是“世代”，这意味着最近分配的内存比旧内存更频繁地检查回收（这是因为，根据经验，变量往往具有较短的半衰期，例如，持续时间函数调用，所以最近分配的内存更有可能用于回收，而不是长时间使用的内存。 g0c4和类似的注释提供了有关SEXP所属的生成的信息。

TR代表＆＃39;位＆＃39;在SEXP中设置以指示正在跟踪变量;它是在我们说tracemem(a)时设定的。

其中一些主题在R的内部实现RShowDoc("R-ints")和C头文件Rinternals.h的文档中进行了讨论。

Answer 2

您可以使用CRAN上的ff包执行此操作。使用ff，您的数据存储在磁盘上，索引只会影响您正在编制索引的特定元素

require(ff)
a <- ff(1:1000000)
a[1] <- 2

有关信息。这些是时间安排，所以玩具箱的速度要快得多。

require(ff)
a <- 1:100000000
b <- ff(a)
system.time(a[1] <- 2)
 user  system elapsed 
0.440   0.592   1.056 
system.time(b[1] <- 2)
 user  system elapsed 
0.004   0.000   0.001

替换元素时避免复制整个向量（a [1]＆lt; - 2）

2 个答案: