Question

如果我按如下方式创建一个函数：

what_is_love <- function(f) {
  function(...) {
    cat('f is', f, '\n')
  }
}

并使用lapply：funs <- lapply(c('love', 'cherry'), what_is_love)

进行调用

我得到意想不到的输出：

> funs[[1]]()
f is cherry
> funs[[2]]()
f is cherry

但请注意，当您不使用lapply时，情况并非如此：

> f1 <- what_is_love('love')
> f2 <- what_is_love('cherry')
> f1()
f is love
> f2()
f is cherry

是什么给出了？

我知道可以更全面地写出funs <- lapply(c('love', 'cherry'), what_is_love)：

params <- c('love', 'cherry')
out <- vector('list', length(params))
for (i in seq_along(params)) {
  out[[i]] <- what_is_love(params[[i]])
}
out

但是当我浏览时，我发现两个函数都有自己的环境：

Browse[1]> out[[1]]
function(...) {
    cat('f is', f, '\n')
  }
<environment: 0x109508478>
Browse[1]> out[[2]]
function(...) {
    cat('f is', f, '\n')
  }
<environment: 0x1094ff750>

但在每个环境中，f都是相同的......

Browse[1]> environment(out[[1]])$f
[1] "cherry"
Browse[1]> environment(out[[2]])$f
[1] "cherry"

我知道答案是“懒惰评估”，但我正在寻找更深入的内容...... f如何在两种环境中重新分配？ f来自哪里？在这个例子中，R懒惰评估是如何工作的？

-

编辑：我知道关于懒惰评估和功能的the other question，但它只是说答案是“懒惰评估”而没有解释懒惰评估实际上是如何工作的。我正在寻求更大的深度。

Answer 1

当你这样做时

what_is_love <- function(f) {
  function(...) {
    cat('f is', f, '\n')
  }
}

内部函数为f创建一个封闭空间，但问题是，在您实际使用传递给函数的变量之前，它仍然是一个＆＃34; promise＆＃34;并没有实际评估。如果你想＆＃34;捕获＆＃34; f的当前值，那么你需要强制评估承诺;您可以使用此force()函数。

what_is_love <- function(f) {
  force(f)
  function(...) {
    cat('f is', f, '\n')
  }
}
funs <- lapply(c('love', 'cherry'), what_is_love)

funs[[1]]()
# f is love 
funs[[2]]()
# f is cherry

如果没有force()，f仍然是列表中两个功能的承诺。在调用函数之前，并且在调用函数时，不会对它进行求值，该函数将promise计算为f的最后一个已知值，即＆＃34; cherry。＆＃34;

正如@MartinMorgran所指出的，这种行为在R 3.2.0中发生了变化。来自release notes

高阶函数，例如apply函数和Reduce（）现在强制参数为他们应用的函数消除懒惰评估与之间不良的相互作用闭包中的变量捕获。这解决了PR＃16093。

你能更清楚地解释R函数运算符中的惰性求值吗？

1 个答案: