我有（1）个评分的参考表，以及（2）一个函数，可根据这些评分随机生成结果并根据生成的结果更新评分。
尽管下面的可重现示例有更简单的解决方案，但预期的应用是根据对手的Elo评分来模拟对手之间的结果，并在每一轮之后更新评分，以使模拟“热”进行。
在这里，我有一个评级表ref的参考表，并使用函数genResult生成随机结果并使用全局赋值更新参考表。
set.seed(123)
ref <- data.frame(id = LETTERS[1:5],
rating = round(runif(5, 100, 200)))
genResult <- function(ref) {
id_i <- LETTERS[floor(runif(1, 1, 5))]
score_i <- round(rnorm(1, 0, 20))
ref[ref$id == id_i,]$rating <- ref[ref$id == id_i,]$rating + score_i
result_i <- data.frame(id = id_i, score = score_i)
# assign('ref', ref, envir=.GlobalEnv)
ref <<- ref
return(list(result_i, ref))
}
将此功能复制两次，可以看到ref已按预期更新。
replicate(2, genResult(ref), simplify = F)
返回这一点，我们可以看到参考表在两次迭代的每一次中都得到更新。
[[1]]
[[1]][[1]]
id score
1 A 1
[[1]][[2]]
id rating
1 A 130
2 B 179
3 C 141
4 D 188
5 E 194
[[2]]
[[2]][[1]]
id score
1 C -2
[[2]][[2]]
id rating
1 A 130
2 B 179
3 C 139
4 D 188
5 E 194
现在假设我要复制上面的（复制的）函数；使用动态更新的评分来模拟5个结果的3个单独实例，并仅输出结果。我再次创建参考表ref，并定义一个使用全局赋值的类似函数：
set.seed(123)
ref <- data.frame(id = LETTERS[1:5],
rating = round(runif(5, 100, 200)))
genResult2 <- function(ref) {
id_i <- LETTERS[floor(runif(1, 1, 5))]
score_i <- round(rnorm(1, 0, 20))
ref[ref$id == id_i,]$rating <- ref[ref$id == id_i,]$rating + score_i
result_i <- data.frame(id = id_i, score = score_i)
ref <<- ref
return(result_i)
}
然后使用apply循环并将结果列表折叠到数据框：
lapply(1:3, function(i) {
ref_i <- ref
replicate(5, genResult2(ref_i), simplify = F) %>%
plyr::rbind.fill() %>%
mutate(i)
}) %>%
plyr::rbind.fill()
返回：
id score i
1 A 1 1
2 C -2 1
3 B 9 1
4 A 26 1
5 A -9 1
6 D 10 2
7 D 8 2
8 C 5 2
9 A 36 2
10 C 17 2
11 B 14 3
12 B -15 3
13 B -4 3
14 A -22 3
15 B -13 3
现在，这似乎可以按预期工作，但（i）感觉确实很丑陋，并且（ii）我读过无数次关于全局分配可能并且将导致意外伤害的信息。
有人可以提出更好的解决方案吗？
答案 0 :(得分：5)
如果要进行迭代，并且下一次迭代依赖于上一次迭代，则通常是一个好兆头，您应该使用老式的for循环，而不要使用replicate或apply函数（另一种可能性是一直使用Reduce参数设置为accumulate的{{1}}。
这与您发布的代码具有相同的输出，我使用了for循环并使您的函数也返回ref：
TRUE返回：
genResult3 <- function(ref) {
id_i <- LETTERS[floor(runif(1, 1, 5))]
score_i <- round(rnorm(1, 0, 20))
ref[ref$id == id_i,]$rating <- ref[ref$id == id_i,]$rating + score_i
result_i <- data.frame(id = id_i, score = score_i)
#ref <<- ref
return(list(result_i,ref)) # added ref to output
}
lapply(1:3, function(i) {
res <- list(5)
for (k in 1:5){
gr <- genResult3(ref)
res[[k]] <- gr[[1]] # update rating
ref <- gr[[2]] # get result
res[[k]] <- left_join(res[[k]], ref, by = "id") # combine for output
}
plyr::rbind.fill(res) %>%
mutate(i)
}) %>%
plyr::rbind.fill()
答案 1 :(得分：1)
您可以使用new.env()创建新环境并在那里进行计算：
将该想法应用到您的第一个函数中将得到以下结果：
set.seed(123)
ref1 <- data.frame(id = LETTERS[1:5],
rating = round(runif(5, 100, 200)))
ref1
refEnv <- new.env()
refEnv$ref = ref1
genResult <- function(ref) {
id_i <- LETTERS[floor(runif(1, 1, 5))]
score_i <- round(rnorm(1, 0, 20))
ref[ref$id == id_i,]$rating <- ref[ref$id == id_i,]$rating + score_i
result_i <- data.frame(id = id_i, score = score_i)
assign('ref', ref, envir=refEnv)
return(list(result_i, ref))
}
replicate(2, genResult(refEnv$ref), simplify = F)
ref1
refEnv$ref
您将看到原始的ref1未被触摸并且保持不变，而refEnv$ref包含了上次迭代的结果。
然后使用lapply将其实现到第二个功能：
set.seed(123)
ref1 <- data.frame(id = LETTERS[1:5],
rating = round(runif(5, 100, 200)))
ref1
refEnv <- new.env()
refEnv$ref = ref1
genResult2 <- function(ref) {
id_i <- LETTERS[floor(runif(1, 1, 5))]
score_i <- round(rnorm(1, 0, 20))
ref[ref$id == id_i,]$rating <- ref[ref$id == id_i,]$rating + score_i
result_i <- data.frame(id = id_i, score = score_i)
assign('ref', ref, envir=refEnv)
return(result_i)
}
# Replicating this function twice, we can see `ref` is updated as expected.
lapply(1:3, function(i) {
replicate(5, genResult2(refEnv$ref), simplify = F) %>%
plyr::rbind.fill() %>%
mutate(i)
}) %>%
plyr::rbind.fill()
ref1