如何不落入 R 的“懒惰评估陷阱”

Question

“R 传递 promises，而不是值。承诺在第一次评估时被强制执行，而不是在传递时。”，参见 G. Grothendieck 的 this answer。另请参阅 this question 指的是 Hadley 的书。

在简单的例子中，例如

> funs <- lapply(1:10, function(i) function() print(i))
> funs[[1]]()
[1] 10
> funs[[2]]()
[1] 10

可以考虑这种不直观的行为。

但是，我发现自己在日常开发过程中经常陷入这个陷阱。我遵循一种相当函数式的编程风格，这意味着我经常有一个函数 A 返回一个函数 B，其中 B 在某种程度上取决于调用 A 的参数。依赖关系不像上面的例子那么容易看出，因为计算复杂并且有多个参数。

忽略这样的问题会导致难以调试的问题，因为所有计算都运行顺利 - 除了结果不正确。只有对结果的明确验证才能揭示问题。

最重要的是，即使我注意到了这样的问题，我也永远无法确定 force 需要哪些变量，哪些不需要。

我怎样才能确保不落入这个陷阱？是否有任何编程模式可以防止这种情况发生，或者至少确保我注意到存在问题？

Answer 1

R 有一个函数可以帮助防止惰性求值，例如在创建闭包的情况下：forceAndCall()。

来自在线 R 帮助文档：

forceAndCall 旨在帮助定义高阶函数（如 apply），以便在应用函数返回的结果是捕获其参数的闭包时表现得更合理。

Answer 2

在处理此类情况时，正在改进 R 的高阶函数，如应用函数、Reduce 等。这是否会导致 R 3.2.0 在几周内发布取决于这些变化的破坏性程度。应该会在一周左右变得清晰。

Answer 3

正如其他人指出的那样，这可能不是 R 中最好的编程风格。但是，一个简单的选择是养成强制一切的习惯。如果您这样做，请意识到您实际上不需要调用force，只需评估符号即可。为了让它不那么难看，你可以把这样的函数作为一种习惯：

myfun<-function(x,y,z){
   x;y;z;
   ## code
}

Answer 4

您正在创建带有隐式参数的函数，这不一定是最佳实践。在您的示例中，隐式参数是i。另一种返工方法是：

library(functional)
myprint <- function(x) print(x)
funs <- lapply(1:10, function(i) Curry(myprint, i))
funs[[1]]()
# [1] 1
funs[[2]]()
# [1] 2

在这里，我们使用Curry 显式指定函数的参数。请注意，我们本可以直接将 print 柯里化，但此处并非用于说明目的。

Curry 使用预先指定的参数创建新版本的函数。这使得参数规范明确并避免了您遇到的潜在问题，因为Curry 强制评估（有一个版本不这样做，但在这里没有帮助）。

另一种选择是捕获父函数的整个环境，复制它，并使其成为新函数的父环境：

funs2 <- lapply(
  1:10, function(i) {
    fun.res <- function() print(i)
    environment(fun.res) <- list2env(as.list(environment()))  # force parent env copy
    fun.res
  }
)
funs2[[1]]()
# [1] 1
funs2[[2]]()
# [1] 2

但我不建议这样做，因为您可能会复制一大堆您甚至可能不需要的变量。更糟糕的是，如果你有嵌套的函数层来创建函数，这会变得更加复杂。这种方法的唯一好处是你可以继续你的隐式参数规范，但同样，这对我来说似乎是不好的做法。