检查在 R 脚本中使用随机数生成器的函数的综合方法？

Question

是否有一种聪明的方法来识别在 R 脚本中的任何时候使用 .Random.seed（R 中的随机数生成器状态）的所有函数？

用例：我们有一个不断变化的数据集，包括记录 [行] 和信息 [列] - 我们经常添加新记录，但我们也会更新某些列中的信息。所以数据集在不断变化。我们用插补填充一些缺失的数据，这需要使用 sample() 函数生成随机数。因此，每当我们添加新行或更新列中的任何信息时，随机估算的数字都会发生变化——这是预期的。我们在每个随机插补的开始使用 set.seed()，因此如果一列发生变化但零行发生变化，则其他随机生成的列不受影响。

我的印象是，我们整个代码库中唯一接触随机种子的函数是 sample() 函数，但我想以某种方式验证这一点？

编辑：即使是在随机数状态被触及时打印函数调用的东西也会有所帮助，同样的方式 debug() 在被调试的函数被触发时出现？出于我们的目的，可以很安全地假设如果我们运行我们的脚本一次用于动态评估并且没有其他随机函数被触发，那么我们是安全的。

谢谢

Answer 1

尽管有我的评论，但这里有一种蛮力检查方法：

rm(.Random.seed) # if it already exists
makeActiveBinding('.Random.seed',
                  function () stop('Something touched my seed', call. = FALSE),
                  globalenv())

这将使 .Random.seed 变成一个 active binding，当它被触摸时会抛出一个错误。

这可行，但非常具有破坏性。这是一个更温和的变体。它有一些有趣的功能：

它允许启用和禁用 .Random.seed
支持获取和设置种子
它记录调用但不停止执行
它维护着一个不应被记录的顶级调用的“白名单”

有了这个就可以写出下面的代码，例如：

# Ignore calls coming from sample.int
> debug_random_seed(ignore = sample.int)

> sample(5)
Getting .Random.seed
Called from sample(5)
Setting .Random.seed
Called from sample(5)
[1] 3 5 4 1 2

> sample.int(5)
[1] 5 1 2 4 3

> undebug_random_seed()

> sample(5)
[1] 2 1 5 3 4

以下是实施的全部内容：

debug_random_seed = local({
    function (ignore) {
        seed_scope = parent.env(environment())

        if (is.function(ignore)) ignore = list(ignore)

        if (exists('.Random.seed', globalenv())) {
            if (bindingIsActive('.Random.seed', globalenv())) {
                warning('.Random.seed is already being debugged')
                return(invisible())
            }
        } else {
            set.seed(NULL)
        }

        # Save existing seed before deleting
        assign('random_seed', .Random.seed, seed_scope)
        rm(.Random.seed, envir = globalenv())

        debug_seed = function (new_value) {
            if (sys.nframe() > 1 &&
                ! any(vapply(ignore, identical, logical(1), sys.function(1)))
            ) {
                if (missing(new_value)) {
                    message('Getting .Random.seed')
                } else {
                    message('Setting .Random.seed')
                }
                message('Called from ', deparse(sys.call(1)))
            }

            if (! missing(new_value)) {
                assign('random_seed', new_value, seed_scope)
            }

            random_seed
        }

        makeActiveBinding('.Random.seed', debug_seed, globalenv())
    }
})

undebug_random_seed = function () {
    if (! (exists('.Random.seed', globalenv()) &&
           bindingIsActive('.Random.seed', globalenv()))) {
        warning('.Random.seed is not being debugged')
        return(invisible())
    }

    seed = suppressMessages(.Random.seed)
    rm('.Random.seed', envir = globalenv())
    assign('.Random.seed', seed, globalenv())
}

关于代码的一些说明：

debug_random_seed 函数是在它自己的私有环境中定义的。该环境由代码中的 seed_scope 指定。这可以防止将私有 random_seed 变量泄漏到全局环境中。
该函数防御性地检查是否已启用调试。也许矫枉过正。
仅当在函数调用中访问种子时才会打印调试信息。如果用户直接在 R 控制台上检查 .Random.seed，则不会发生日志记录。

检查在 R 脚本中使用随机数生成器的函数的综合方法？

comprehensive way to check for functions that use the random number generator in an R script?

random

r

random-seed