函数中的 R 全局赋值运算符 - 什么是更好的选择？

Question

我在一个包中有一个功能（目前主要供我自己使用，将来可能会分享）。我正在尝试用 lapply 替换慢速 for 循环，以便稍后我可以将其并行化。因此，我发现即使没有并行化也速度非常快的一种选择是使用全局赋值运算符。但是我对此很担心，因为这似乎不受欢迎，而且我不习惯考虑环境，所以担心副作用：

这是一个简单的表示：



n <- 2
nx <- 40
v <- 5
d <- 3

array4d <- array(rep(0, n * nx * v * d) ,
                       dim = c(n, nx, v, d) )
array4d2 <- array4d

# Make some data to enter into the array - in real problem a function gens this data depending on input vars

set.seed(4)
dummy_output <- lapply(1:v, function(i) runif(n*nx*d))

microbenchmark::microbenchmark( {
    for(i in 1:v){
        array4d[ , , i, ] <- dummy_output[[i]]
    }
}, {
    lapply(1: v, function(i) {
        array4d2[ , , i, ] <<- dummy_output[[i]]
    })
})

Unit: microseconds
                                                                                     expr      min        lq
             {     for (i in 1:v) {         array4d[, , i, ] <- dummy_output[[i]]     } } 1183.504 1273.6205
 {     lapply(1:v, function(i) {         array4d2[, , i, ] <<- dummy_output[[i]]     }) }   13.257   16.1715
       mean    median       uq      max neval cld
 1488.26909 1411.4565 1515.762 3535.974   100   b
   33.56976   18.1445   21.150 1525.608   100  a 
> 
> identical(array4d, array4d2)
[1] TRUE

所有这一切都将发生在一个被父函数多次调用的函数中。

所以这（很多！）更快。但我的问题是

这样做安全吗？
是否有不使用 <<- 的类似快速替代方案？

Answer 1

将变化维度设为最后一个。 microbenchmark 表明它的性能在统计上与使用全局变量的性能没有区别。如果重要的是维度是第三次使用 aperm(x, c(1, 2, 4, 3)) 之后。

microbenchmark::microbenchmark( 
    a = for(i in 1:v) array4d[ , , i, ] <- dummy_output[[i]],
    b = lapply(1: v, function(i) array4d2[ , , i, ] <<- dummy_output[[i]]),
    c = array(unlist(dummy_output), dim(array4d3))
)

函数中的 R 全局赋值运算符 - 什么是更好的选择？

R Global assignment operator in a function - whats a better alternative?

r

variable-assignment

assignment-operator