小开

最佳答案

按价值打电话

在 R 参数中调用函数的语义是 按价值计算的电话。通常，提供的参数的行为就好像它们是用提供的值和相应形式参数的名称初始化的局部变量。更改函数中提供的参数的值不会影响调用框架中变量的值.[加重语气]

虽然这没有描述 修改后的拷贝工作的机制，但是它提到了更改传递给函数的对象不会影响调用框架中的原始对象。

更多的信息，特别是关于 修改后的拷贝方面的信息，在内部手册的 1.1.2标题的其余部分部分的 SEXP描述中给出。具体来说，它说明[强调添加]

named字段由 SET_NAMED和 NAMED设置和访问宏，并取值 0，1和 2。 R 有一个 ‘按价值调用’ 幻觉，所以作业就像
b <- a
显示为 a的副本，并称为 b a和 b后来都没有改变，不需要复制。实际发生的情况是，一个新的符号 b绑定到相同的值设置为 a，值对象上的 named字段设置为(在当一个对象即将被修改时，named字段值 2意味着对象必须被复制在被改变之前。(注意，这并没有说它是必须复制，只是应该复制是否 0的值表示已知没有其他 SEXP与此对象共享数据，因此可以安全地对其进行更改。值 1用于以下情况
dim(a) <- c(7, 2)
原则上，在有效期内存在两份 (原则上)计算
a <- `dim<-`(a, c(7, 2))
因此，一些原始函数可以优化为在这种情况下避免复制。

虽然这并没有描述将对象作为参数传递给函数的情况，但是我们可以推断出同样的进程也在运行，特别是考虑到前面引用的 R Language 定义中的信息。

功能评估的承诺

我不认为说 我保证是函数的 通过了是完全正确的。参数被传递给函数，实际使用的表达式作为承诺存储(加上一个指向调用环境的指针)。只有当一个参数被求值时，表达式才会存储在允诺中，并在指针指示的环境中被检索和求值，这个过程称为强迫。

因此，我不认为在这方面谈论 通过引用传递是正确的。R 具有 按价值计算的电话语义，但是试图避免复制，除非计算和修改传递给参数的值。

NAMED 机制是一种优化(如@hadley 在评论中提到的) ，它允许 R 跟踪是否需要在修改后进行复制。正如 Peter Dalgaard 所讨论的(在发展线程@mnel 中引用了他们对这个问题的评论) ，NAMED 机制的确切运作方式涉及到一些微妙之处

我在它上面做了一些实验，发现 R 总是在第一次修改时复制对象。

你可以在我的机器上看到 http://rpubs.com/wush978/5916的结果

如果我做错了请告诉我，谢谢。

测试对象是否被复制

我用下面的 C 代码转储内存地址:

#define USE_RINTERNALS
#include <R.h>
#include <Rdefines.h>


SEXP dump_address(SEXP src) {
Rprintf("%16p %16p %d\n", &(src->u), INTEGER(src), INTEGER(src) - (int*)&(src->u));
return R_NilValue;
}

它将打印2个地址:

SEXP数据块的地址
integer连续块的地址

让我们编译并加载这个 C 函数。

Rcpp:::SHLIB("dump_address.c")
dyn.load("dump_address.so")

会议资料

下面是测试环境的 sessionInfo。

sessionInfo()

抄写

首先测试 书面复印的性质, 这意味着 R 只在对象被修改时才复制它。

a <- 1L
b <- a
invisible(.Call("dump_address", a))
invisible(.Call("dump_address", b))
b <- b + 1
invisible(.Call("dump_address", b))

对象 b在修改时从 a复制。

修改矢量/矩阵到位

然后测试当我们修改向量/矩阵的元素时 R 是否会复制对象。

长度为1的向量

a <- 1L
invisible(.Call("dump_address", a))
a <- 1L
invisible(.Call("dump_address", a))
a[1] <- 1L
invisible(.Call("dump_address", a))
a <- 2L
invisible(.Call("dump_address", a))

地址每次都会改变，这意味着 R 不会重用内存。

航线很长

system.time(a <- rep(1L, 10^7))
invisible(.Call("dump_address", a))
system.time(a[1] <- 1L)
invisible(.Call("dump_address", a))
system.time(a[1] <- 1L)
invisible(.Call("dump_address", a))
system.time(a[1] <- 2L)
invisible(.Call("dump_address", a))

对于长向量，R 在第一次修改后重用内存。

此外，上面的例子还表明，当对象很大时，“就地修改”确实会影响性能。

黑客帝国

system.time(a <- matrix(0L, 3162, 3162))
invisible(.Call("dump_address", a))
system.time(a[1,1] <- 0L)
invisible(.Call("dump_address", a))
system.time(a[1,1] <- 1L)
invisible(.Call("dump_address", a))
system.time(a[1] <- 2L)
invisible(.Call("dump_address", a))
system.time(a[1] <- 2L)
invisible(.Call("dump_address", a))

似乎 R 只在第一次修改时复制对象。

我不知道为什么。

改变属性

system.time(a <- vector("integer", 10^2))
invisible(.Call("dump_address", a))
system.time(names(a) <- paste(1:(10^2)))
invisible(.Call("dump_address", a))
system.time(names(a) <- paste(1:(10^2)))
invisible(.Call("dump_address", a))
system.time(names(a) <- paste(1:(10^2) + 1))
invisible(.Call("dump_address", a))

结果是相同的。 R 只在第一次修改时复制对象。

在 R 中，复制-修改语义到底是什么，规范来源在哪里？