R：通过引用函数传递 data.frame

Question

我将 data.frame 作为参数传递给想要更改内部数据的函数：

x <- data.frame(value=c(1,2,3,4))
f <- function(d){
  for(i in 1:nrow(d)) {
    if(d$value[i] %% 2 == 0){
      d$value[i] <-0
    }
  }
  print(d)
}

当我执行f(x)时，我可以看到里面的data.frame是如何被修改的：

> f(x)
  value
1     1
2     0
3     3
4     0

但是我传的原data.frame是没有修改的：

通常我通过返回修改后的来克服这个问题：

f <- function(d){
  for(i in 1:nrow(d)) {
    if(d$value[i] %% 2 == 0){
      d$value[i] <-0
    }
  }
  d
}

然后调用重新分配内容的方法：

> x <- f(x)
> x
  value
1     1
2     0
3     3
4     0

但是，我想知道这种行为在一个非常大的 data.frame 中有什么影响，是否会为方法执行生成一个新行为？哪种是 R 风格的做法？

有没有办法在不在内存中创建另一个的情况下修改原始的？

Answer 1

实际上在 R 中（几乎）每次修改都是在先前数据的副本上执行的（copy-on-writing 行为）。
因此，例如在您的函数内部，当您执行 d$value[i] <-0 时，实际上会创建一些副本。你通常不会注意到它，因为它优化得很好，但你可以使用 tracemem 函数跟踪它。

也就是说，如果你的 data.frame 不是很大，你可以坚持你的函数返回修改后的对象，因为毕竟它只是一个副本。

但是，如果您的数据集非常大并且每次都进行复制非常昂贵，您可以使用 data.table，它允许就地修改，例如:

library(data.table)
d <- data.table(value=c(1,2,3,4))
f <- function(d){
  for(i in 1:nrow(d)) {
    if(d$value[i] %% 2 == 0){
      set(d,i,1L,0) # special function of data.table (see also ?`:=` )
    }
  }
  print(d)
}

f(d)
print(d)

# results :
> f(d)
   value
1:     1
2:     0
3:     3
4:     0
> 
> print(d)
   value
1:     1
2:     0
3:     3
4:     0

N.B.

在这种特定情况下，循环可以替换为 "vectorized" 和更高效的版本，例如:

d[d$value %% 2 == 0,'value'] <- 0

但也许您真正的循环代码要复杂得多，无法轻松矢量化。

R：通过引用函数传递 data.frame

R: Pass data.frame by reference to a function

r

pass-by-reference

dataframe