Question

我试图更好地理解R中for循环的性能。我修改了Hadley的书here中的示例，但我仍然感到困惑。

我有以下设置，其中for循环遍历几个随机列：

set.seed(123)
df <- as.data.frame(matrix(runif(1e3), ncol = 10))
cols <- sample(names(df), 2)
tracemem(df)

我有一个for循环，该循环针对cols的每个元素运行。

  for (i in seq_along(cols)) {
      df[[cols[i]]] <- 3.2
  }

我得到以下副本列表。

tracemem[0x1c54040 -> 0x20e1470]: 
tracemem[0x20e1470 -> 0x20e17b8]: [[<-.data.frame [[<- 
tracemem[0x20e17b8 -> 0x20dc4b8]: [[<-.data.frame [[<- 
tracemem[0x20dc4b8 -> 0x20dc800]: 
tracemem[0x20dc800 -> 0x20dc8a8]: [[<-.data.frame [[<- 
tracemem[0x20dc8a8 -> 0x20dcaa0]: [[<-.data.frame [[<-

哈德利在他的例子中指出：

实际上，每次迭代复制的数据帧不是一次，不是两次，而是三次！ [[.data.frame，制作了两个副本，另一个副本因为[[..data.frame是一个递增的常规函数 x的参考计数。

有人可以解释为什么 [[<-.data.frame方法需要制作两个副本吗？

Answer 1

这并不是您问题的完整答案，但这只是一个开始。

如果您查看R语言定义，则会发现df[["name"]] <- 3.2的实现方式为

`*tmp*` <- df
df <- "[[<-.data.frame"(`*tmp*`, "name", value=3.2)
rm(`*tmp*`)

因此将一份副本放入*tmp*中。如果调用debug("[[<-.data.frame")，您会看到它确实被称为*tmp*的参数调用，并且 tracemem()将显示第一次复制是在您输入之前进行的。

函数[[<-.data.frame是具有以下标头的常规函数：

function (x, i, j, value)

该函数被称为

`[[<-.data.frame`(`*tmp*`, "name", value = 3.2)

现在对数据框有三个引用：全局环境中的df，内部代码中的*tmp*和该函数中的x。（实际上，有一个中间步骤可以调用泛型，但是它是原始的，因此不需要进行新的引用。）

函数中x的类已更改；触发副本。然后更改x的组成部分之一；那是另一份副本。这样就变成了3。

仅凭猜测，我会说第一次重复的原因是，复杂的替换可能引用原始值，并且避免了检索部分修改的值的可能性。

为什么数据帧的提取方法要制作两个副本？

1 个答案: