Question

昨天我从Bill Venables那里了解到local（）如何帮助创建静态函数和变量，例如，

example <- local({
  hidden.x <- "You can't see me!"
  hidden.fn <- function(){
    cat("\"hidden.fn()\"")
  }
  function(){
    cat("You can see and call example()\n")
    cat("but you can't see hidden.x\n")
    cat("and you can't call ")
    hidden.fn()
    cat("\n")
  }
})

在命令提示符下的行为如下：

> ls()
[1] "example"
> example()
You can see and call example()
but you can't see hidden.x
and you can't call "hidden.fn()"
> hidden.x                 
Error: object 'hidden.x' not found
> hidden.fn()
Error: could not find function "hidden.fn"

我在Static Variables in R中讨论过这种事情，采用了不同的方法。

这两种方法的优点和缺点是什么？

Answer 1

<强>封装

这种编程风格的优点是隐藏的对象不会被其他任何东西覆盖，因此您可以更自信地包含您的想法。它们不会被错误地使用，因为它们不容易被访问。在问题中的链接帖子中有一个全局变量count，可以从任何地方访问和覆盖，所以如果我们正在调试代码并查看count并看到它已更改，我们真的不能确保代码的哪一部分已经改变了它。相反，在问题的示例代码中，我们更加确信不会涉及代码的其他部分。

请注意，我们实际上可以访问隐藏的功能，虽然它并不那么容易：

# run hidden.fn
environment(example)$hidden.fn()

面向对象编程

另请注意，这与面向对象编程非常接近，其中example和hidden.fn是方法，hidden.x是属性。我们可以这样做，使其明确：

library(proto)
p <- proto(x = "x", 
  fn = function(.) cat(' "fn()"\n '),
  example = function(.) .$fn()
)
p$example() # prints "fn()"

proto不会隐藏x和fn，但错误地访问它们并不容易，因为您必须使用p$x和p$fn()来访问它们与写e <- environment(example); e$hidden.fn()

不同

编辑：

面向对象的方法确实增加了继承的可能性，例如：可以定义p的子项，其行为类似于p，但它会覆盖fn。

ch <- p$proto(fn = function(.) cat("Hello from ch\n")) # child
ch$example() # prints: Hello from ch

Answer 2

local()可以实现单例模式 - 例如，snow包使用它来跟踪用户可能创建的单个Rmpi实例。

getMPIcluster <- NULL
setMPIcluster <- NULL
local({
    cl <- NULL
    getMPIcluster <<- function() cl
    setMPIcluster <<- function(new) cl <<- new
})

local()也可用于管理脚本中的内存，例如，分配在子句的最后一行上创建最终对象所需的大型中间对象。 <{1}}返回时，大型中间对象可用于垃圾收集。

使用函数创建闭包是工厂模式 - Introduction to R文档中的bank account示例，每次调用local时，都会创建一个新帐户。

正如@otsaw所提到的，可以使用本地实现memoization，例如，在抓取工具中缓存网站

open.account

（通常的记忆例子，Fibonacci数字，不满意 - 不溢出R的数字表示的数字范围很小，所以人们可能会使用有效预先计算值的查找表）。有趣的是这里的爬行者是单身人士;可以很容易地遵循工厂模式，因此每个基本URL都有一个爬虫。

local（）与R中的其他闭包方法有何不同？

2 个答案: