R purrr::partial -- 它如何处理部分参数?
R purrr::partial -- how does it handle partialized arguments?
我很长一段时间以来一直是 R 的 purrr
包的热心用户,最近 运行 遇到了一个关于 purrr::partial
的问题。假设我定义了一个双参数函数
f <- function(x, y) x + y
并通过将 y
参数设置为某个全局变量的值来对其进行部分化:
yy <- 1
fp <- partial(f, y = !!yy)
fp(3) # 3 + 1 = 4
取消引用 yy
(即,使用 y = !!yy
而不是 y = yy
)导致 yy
在创建 fp
时仅计算一次;特别是,在此步骤之后修改 yy
不会改变 fp
:
yy <- 2
fp(3) # still: 3 + 1 = 4
这是我的问题:partial
在评估 yy
之后究竟做了什么? -- 我看到两种可能性:
yy
的值“硬连接”到 fp
的主体中,这意味着调用 fp
时它不会作为参数传递。
yy
的值或多或少被视为 y
参数的默认值(没有覆盖默认值的选项),这意味着 fp
在内部调用f
(或其副本),yy
的值作为与 y
匹配的参数静默传递给它。在这种情况下 fp
只不过是 f
. 的语法包装器
为了探索第二种可能性,我在定义 fp
之后修改了 f
的定义。这不会改变 fp
,这意味着 fp
不包含对 f
的任何外部引用;然而,这并不排除 fp
包含旧版本 f
的(理论上的)可能性。 (结论:这种方法没有帮助。)
激发我的问题的一些实际背景:在我当前的项目中,我定义了许多函数,这些函数使用 (a) 因调用而异的参数,(b) 表示“配置数据”或“领域知识”的参数。与 (b) 参数匹配的数据(可能是大量数据)不会随调用而改变,但在我提交更新时可能会改变;无论如何,我认为这些数据不应该在我的函数中进行硬编码。我的策略是在启动时从一些文件中读取配置数据,并通过偏化 (b) 中的参数将其集成到我的函数中。通过 purrr::pmap
将偏函数应用到一些 tibbles 结果有点慢,这让我怀疑在调用函数时配置数据可能仍然被传递——因此我的问题。 (如果有人对上面简要描述的“偏向策略”有一些想法,我也会对这些产生浓厚的兴趣。)
好像是选项2,试试:
f <- function(x, y) x + y
yy <- 5
fp1 <- partial(f, y = !! yy)
debugonce(f)
fp1(3)
在这里你可以看到,如果在 RStudio 中,调试器将打开原始函数 f
,参数 x = 3
和 y = 5
被传递到该函数。但是,偏函数不是调用真正的函数 f
而是它的引用副本。如果在 f
被部分化后更改它,调试器将不再找到它。
f <- function(x, y) x + y
yy <- 5
fp1 <- partial(f, y = !! yy)
f <- function(x, y) x + 2 * y
debugonce(f)
fp1(3) # debugger will not open
可以通过构造函数来偏化自己来模仿 partial
的行为。但是,在这种情况下,f
和 yy
都不会被捕获,因此更改它们将影响偏函数的输出:
f <- function(x, y) x + y
yy <- 5
# similar to `partial` but captures neither `f` nor `yy`
fp2 <- function(x) f(x, yy)
fp2(3)
#> [1] 8
# so if yy changes, so will the output of fp2
yy <- 10
fp2(3)
#> [1] 13
# and if f changes, so will the output of fp2
f <- function(x, y) x + 2 * y
fp2(3)
#> [1] 23
由 reprex package (v0.3.0)
于 2020-07-13 创建
为了更好地理解 partial
的工作原理,我们可以按以下方式构造一个 simple_partial
函数:
library(rlang)
f <- function(x, y) x + y
yy <- 5
simple_partial <- function(.f, ...) {
# capture arguments
args <- enquos(...)
# capture function
fn_expr <- enexpr(.f)
# construct call with function and supplied arguments
# in the ... go all arguments which will be supplied later
call <- call_modify(call2(.f), !!! args, ... = )
# turn call into a quosure (= expr and environment where it should be evaluated)
call <- new_quosure(call, caller_env())
# create child environment of current environment and turn it into a data mask
mask <- new_data_mask(env())
# return this function
function(...) {
# bind the ... from current environment to the data mask
env_bind(mask, ... = env_get(current_env(), "..."))
# evaluate the quoted call in the data mask where all additional values can be found
eval_tidy(call, mask)
}
}
fp3 <- simple_partial(f, y = !! yy)
fp3(1)
#> [1] 6
由 reprex package (v0.3.0)
于 2020-07-13 创建
我很长一段时间以来一直是 R 的 purrr
包的热心用户,最近 运行 遇到了一个关于 purrr::partial
的问题。假设我定义了一个双参数函数
f <- function(x, y) x + y
并通过将 y
参数设置为某个全局变量的值来对其进行部分化:
yy <- 1
fp <- partial(f, y = !!yy)
fp(3) # 3 + 1 = 4
取消引用 yy
(即,使用 y = !!yy
而不是 y = yy
)导致 yy
在创建 fp
时仅计算一次;特别是,在此步骤之后修改 yy
不会改变 fp
:
yy <- 2
fp(3) # still: 3 + 1 = 4
这是我的问题:partial
在评估 yy
之后究竟做了什么? -- 我看到两种可能性:
yy
的值“硬连接”到fp
的主体中,这意味着调用fp
时它不会作为参数传递。yy
的值或多或少被视为y
参数的默认值(没有覆盖默认值的选项),这意味着fp
在内部调用f
(或其副本),yy
的值作为与y
匹配的参数静默传递给它。在这种情况下fp
只不过是f
. 的语法包装器
为了探索第二种可能性,我在定义 fp
之后修改了 f
的定义。这不会改变 fp
,这意味着 fp
不包含对 f
的任何外部引用;然而,这并不排除 fp
包含旧版本 f
的(理论上的)可能性。 (结论:这种方法没有帮助。)
激发我的问题的一些实际背景:在我当前的项目中,我定义了许多函数,这些函数使用 (a) 因调用而异的参数,(b) 表示“配置数据”或“领域知识”的参数。与 (b) 参数匹配的数据(可能是大量数据)不会随调用而改变,但在我提交更新时可能会改变;无论如何,我认为这些数据不应该在我的函数中进行硬编码。我的策略是在启动时从一些文件中读取配置数据,并通过偏化 (b) 中的参数将其集成到我的函数中。通过 purrr::pmap
将偏函数应用到一些 tibbles 结果有点慢,这让我怀疑在调用函数时配置数据可能仍然被传递——因此我的问题。 (如果有人对上面简要描述的“偏向策略”有一些想法,我也会对这些产生浓厚的兴趣。)
好像是选项2,试试:
f <- function(x, y) x + y
yy <- 5
fp1 <- partial(f, y = !! yy)
debugonce(f)
fp1(3)
在这里你可以看到,如果在 RStudio 中,调试器将打开原始函数 f
,参数 x = 3
和 y = 5
被传递到该函数。但是,偏函数不是调用真正的函数 f
而是它的引用副本。如果在 f
被部分化后更改它,调试器将不再找到它。
f <- function(x, y) x + y
yy <- 5
fp1 <- partial(f, y = !! yy)
f <- function(x, y) x + 2 * y
debugonce(f)
fp1(3) # debugger will not open
可以通过构造函数来偏化自己来模仿 partial
的行为。但是,在这种情况下,f
和 yy
都不会被捕获,因此更改它们将影响偏函数的输出:
f <- function(x, y) x + y
yy <- 5
# similar to `partial` but captures neither `f` nor `yy`
fp2 <- function(x) f(x, yy)
fp2(3)
#> [1] 8
# so if yy changes, so will the output of fp2
yy <- 10
fp2(3)
#> [1] 13
# and if f changes, so will the output of fp2
f <- function(x, y) x + 2 * y
fp2(3)
#> [1] 23
由 reprex package (v0.3.0)
于 2020-07-13 创建为了更好地理解 partial
的工作原理,我们可以按以下方式构造一个 simple_partial
函数:
library(rlang)
f <- function(x, y) x + y
yy <- 5
simple_partial <- function(.f, ...) {
# capture arguments
args <- enquos(...)
# capture function
fn_expr <- enexpr(.f)
# construct call with function and supplied arguments
# in the ... go all arguments which will be supplied later
call <- call_modify(call2(.f), !!! args, ... = )
# turn call into a quosure (= expr and environment where it should be evaluated)
call <- new_quosure(call, caller_env())
# create child environment of current environment and turn it into a data mask
mask <- new_data_mask(env())
# return this function
function(...) {
# bind the ... from current environment to the data mask
env_bind(mask, ... = env_get(current_env(), "..."))
# evaluate the quoted call in the data mask where all additional values can be found
eval_tidy(call, mask)
}
}
fp3 <- simple_partial(f, y = !! yy)
fp3(1)
#> [1] 6
由 reprex package (v0.3.0)
于 2020-07-13 创建