Question

我对函数的不同环境有几个问题。请看以下示例：

environment(sd)
# <environment: namespace:stats>

namespace：stats是否指向函数sd的封闭环境？

pryr::where(sd) 
# <environment: package:stats>

package：stats是否指向函数sd的绑定环境？

根据Advanced R by Hadley Wickham：“封闭的环境属于该功能，永远不会改变......”

但功能的封闭环境可以改变如下：

new.env <- new.env()
environment(f) <- new.env

函数'environment属性表示函数的执行环境，对吗？ An online article regarding R finding stuff through environments

总结我的问题：

我们真的可以改变函数的封闭环境吗？
stats包的两种不同环境是什么？
功能的环境是什么？

它类似于上一篇文章in here。

Answer 1

TLDR：

的确，您可以更改封闭环境。哈德利可能正在谈论打包的功能。
封闭和绑定环境。你是对的。
这是执行环境。它仅在函数运行时存在。

功能环境

在谈论某项功能时，您必须区分4种不同的环境：

绑定环境是找到该功能的环境（即其名称存在的位置）。这是完成对象与其名称的实际绑定的位置。 find()为您提供绑定环境。
封闭环境是最初创建该功能的环境。这不一定与绑定环境相同（参见下面的示例）。 environment()为您提供封闭的环境。
本地环境是该功能中的环境。你称之为执行环境。
父框架或调用环境是调用函数的环境。

为什么这很重要

每个环境都有一个特定的功能：

绑定环境是您找到该功能的环境。
本地环境是R寻找对象的第一个环境。
一般规则是：如果R在本地环境中找不到对象，则它会在封闭环境中查找，依此类推。最后一个封闭环境始终为emptyenv()。
父框架是R查找传递的对象的值的位置参数。

您可以更改封闭环境

确实，您可以更改封闭环境。它是一个函数的封闭环境，来自包，你无法改变。在这种情况下，您无法更改封闭环境，实际上是在新环境中创建副本：

> ls()
character(0)
> environment(sd)
<environment: namespace:stats>
> environment(sd) <- globalenv()
> environment(sd)
<environment: R_GlobalEnv>
> ls()
[1] "sd"
> find("sd")
[1] ".GlobalEnv"    "package:stats" # two functions sd now
> rm(sd)
> environment(sd)
<environment: namespace:stats>

在这种情况下，第二个sd将全局环境作为封闭和绑定环境，但原始的sd仍然在包环境中找到，其封闭环境仍然是命名空间那个包

执行以下操作时可能会出现混淆：

> f <- sd
> environment(f)
<environment: namespace:stats>
> find("f")
[1] ".GlobalEnv"

这里发生了什么？封闭的环境仍然是命名空间＆＃39;＆＃39; stats＆＃39;＆＃39;。那就是创建函数的地方。但是，绑定环境现在是全球环境。那个名字＆＃34; f＆＃34;与对象绑定。

我们可以将封闭环境更改为新环境e。如果您现在检查，则封闭环境变为e，但e本身为空。 f仍然受到全球环境的约束。

> e <- new.env()
> e
<environment: 0x000000001852e0a8>
> environment(f) <- e
> find("f")
[1] ".GlobalEnv"
> environment(f)
<environment: 0x000000001852e0a8>
> ls(e)
character(0)

e的封闭环境是全球环境。所以f仍然可以像它的外壳是全球环境一样工作。环境e包含在其中，因此如果在e中找不到某些内容，则该函数将在全局环境中查找，依此类推。

但是因为e是一个环境，所以R称之为父环境。

> parent.env(e)
<environment: R_GlobalEnv>
> f(1:3)
[1] 1

命名空间和程序包环境

这个原则也是＆＃34;技巧＆＃34;包使用：

该函数在命名空间中创建。这是一个被其他导入包的名称空间包围的环境，最终是全局环境。
在包环境中创建函数的绑定。这是一个包含全局环境和可能的其他包的环境。

原因很简单：只能在您所处的环境或其封闭环境中找到对象。

一个函数必须能够找到其他函数（对象），因此本地环境必须被它导入的其他包的名称空间，基本包以及最后的全局环境包围。
必须可以在全局环境中找到函数。因此，绑定（即函数的名称）必须位于由全局环境包围的环境中。这是包环境（不是命名空间！）

插图：

现在假设您创建一个环境为空的环境作为父项。如果将此作为函数的封闭环境使用，则不再起作用。因为现在你绕过了所有的包环境，所以你不能再找到一个函数了。

> orphan <- new.env(parent = emptyenv())
> environment(f) <- orphan
> f(1:3)
Error in sqrt(var(if (is.vector(x) || is.factor(x)) x else as.double(x),  : 
  could not find function "sqrt"

父框架

这是有趣的地方。父框架或调用环境是查找作为参数传递的值的环境。但是父框架可以是另一个功能的本地环境。在这种情况下，R首先在该其他函数的本地环境中查找，然后在调用函数的封闭环境中，以及一直到全局环境，附加包的环境直到它到达空的环境。没有找到＆＃34;对象的地方＆＃34;虫子睡觉。

Answer 2

environment(function)给出函数的封闭环境（即闭包），该环境被赋予指向定义函数的环境的指针。这种约定称为词法范围，它允许您使用工厂函数之类的模式。这是一个简单的例子

factory <- function(){
    # get a reference to the current environment -- i.e. the environment 
    # that was created when the function `factory` was called.
    envir = environment()
    data <- 0
    add <- function(x=1){
        # we can use the lexical scoping assignment operator to re-assign the value of data
        data <<- data + x
        # return the value of the lexically scoped variable `data`
        return(data)
    }
    return(list(envir=envir,add=add))
}

L = factory()

# check that the environment for L$add is the environment in which it was created
identical(L$envir,environment(L$add))
#> TRUE

L$add()
#> 1
L$add(3)
#> 4

请注意，我们可以使用data在封闭环境中重新分配assign()的值，如下所示：

assign("data",100,L$envir)
L$add()
#> 101

此外，当我们再次调用函数factory()时，会创建另一个新环境并被指定为在其中定义的函数的闭包函数调用，这是我们必须分离foo $ add（）函数的原因它们适用于各自独立的环境：

M = factory()
M$add()
#> 1
#> 2
L$add()
#> 102

上面的工厂函数通过继续搜索变量（以及使用作用域赋值运算符）来说明函数与其封闭环境之间的链接，而下面通过Promises说明了本地环境与调用帧之间的链接这是R在函数调用中传递变量的方式。

具体来说，当你调用一个函数时，R会为传递的变量和表达式的值创建promises。当参数为force()'或使用时，通过在调用环境的上下文中评估Promise，从变量/表达式传递（复制）Promise的这些值 - 而不是更快！

例如，此工厂函数接受一个参数，该参数存储为promise，直到调用返回的函数：

factory2 <- function(x){
    out <-function(){
         return(x)
    }
    return(out)
}

现在factory2在某些情况下表现得很直观：

y = 1
f = factory2(y)
f()
#> 1

但不在其他人中：

y = 1
h = factory2(y)
y = 2
h()
#> 2

因为在调用y之前不会评估表达式h()的承诺，而在第二个示例中，y的值为2！当然，现在已经通过Promise评估将值从调用环境复制到本地环境中，更改y的值不会影响h()返回的值：

y = 3
h()
#> 2

R中的封闭环境，功能环境等不同

2 个答案: