为什么列表在R中被复制？

Question

我最近一直在尝试通过阅读和试验 R 中的内存使用来提高我的 R 编程技能。我最近尝试在 Hadley 的“高级 R”中重新创建一个示例，但得到了不同的结果。在this pageHadley 的底部设置如下示例：

x <- data.frame(matrix(runif(100 * 1e4), ncol = 100))
medians <- vapply(x, median, numeric(1))

然后通过展示来演示原始和非原始的区别

for(i in 1:5) {
  x[, i] <- x[, i] - medians[i]
  print(c(address(x), refs(x)))
}

每次循环运行时都会制作一份副本（因为 x 是一个数据框）。而

y <- as.list(x)

for(i in 1:5) {
  y[[i]] <- y[[i]] - medians[i]
  print(c(address(y), refs(y)))
}

就地修改 y（因为 y 已被转换为一个列表，它是一个原始对象）。但是，当我重新创建此代码时，我发现在这两个实例中都创建了副本：

> x <- data.frame(matrix(runif(100 * 1e4), ncol = 100))
> medians <- vapply(x, median, numeric(1))
> 
> for(i in 1:5) {
+   x[, i] <- x[, i] - medians[i]
+   print(c(address(x), refs(x)))
+ }
[1] "0x10e4e6770" "2"          
[1] "0x10e46c420" "2"          
[1] "0x121110180" "2"          
[1] "0x11c2c26d0" "2"          
[1] "0x121151db0" "2"  


> x <- data.frame(matrix(runif(100 * 1e4), ncol = 100))
> medians <- vapply(x, median, numeric(1))
> y <- as.list(x)
> 
> for(i in 1:5) {
+   y[[i]] <- y[[i]] - medians[i]
+   print(c(address(y), refs(y)))
+ }
[1] "0x132aea2b0" "2"          
[1] "0x1211839e0" "2"          
[1] "0x11c237ea0" "2"          
[1] "0x121169a80" "2"          
[1] "0x10993f460" "2" 

在他的示例中，Hadley 似乎至少使用了 R 3.1.0，而我使用的是 R 3.1.2（在 Mac 上）。但是，我读到的所有内容都表明，随着时间的推移，R 在内存管理方面正在变得越来越好，而上述结果表明它正在变得更糟。尽管我可能会做一些愚蠢的事情或误解一些重要的事情。谁能告诉我为什么我的复制没有像哈德利的例子一样的记忆效率？

Answer 1

这不是您问题的直接答案，但我认为您的脚本可能会误导您。列表和data.frame地址的变化并不意味着所有数据的拷贝。

list 和 data.frame 在 R 中是 R 对象的向量。在您的脚本中，R 应该只复制被替换的 R 对象，因此列表的地址会更改。

例如：

x <- data.frame(matrix(runif(100 * 1e4), ncol = 100))
medians <- vapply(x, median, numeric(1))

for(i in 1:5) {
  print(sprintf("===%d===", i))
  for(j in 1:5) print(sprintf("%s(%d)", address(x[[j]]), j))
  x[, i] <- x[, i] - medians[i]
  print(c(address(x), refs(x)))
  for(j in 1:5) print(sprintf("%s(%d)", address(x[[j]]), j))
}

y <- as.list(x)

for(i in 1:5) {
  print(sprintf("===%d===", i))
  for(j in 1:5) print(sprintf("%s(%d)", address(y[[j]]), j))
  y[[i]] <- y[[i]] - medians[i]
  for(j in 1:5) print(sprintf("%s(%d)", address(y[[j]]), j))
}

您应该看到每次迭代中只有 1 个地址发生了变化。赋值<-只复制对应R对象的数据，即x[[i]]和y[[i]]。剩下的 4 个对象没有被复制。

Answer 2

正如目前在 Pryr 的 CRAN 版本中实现的那样，当在当前 R 中运行时，address() 函数会将其参数的引用数量增加到 2。一旦发生这种情况，必须复制对象以进行替换调用。 refs() 函数实现避免了添加引用，所以如果你只打印 refs(y) 你会看到它保持在 1 并且不会有重复。