为什么数据帧的提取方法会制作两份？

Question

我试图更好地了解 R 中 for 循环的性能。我修改了 Hadley 的书 here 中的示例，但我仍然感到困惑。

我有以下设置，其中 for 循环遍历几个随机列：

set.seed(123)
df <- as.data.frame(matrix(runif(1e3), ncol = 10))
cols <- sample(names(df), 2)
tracemem(df)

我有一个为cols 的每个元素运行的for 循环。

  for (i in seq_along(cols)) {
      df[[cols[i]]] <- 3.2
  }

我得到以下副本列表。

tracemem[0x1c54040 -> 0x20e1470]: 
tracemem[0x20e1470 -> 0x20e17b8]: [[<-.data.frame [[<- 
tracemem[0x20e17b8 -> 0x20dc4b8]: [[<-.data.frame [[<- 
tracemem[0x20dc4b8 -> 0x20dc800]: 
tracemem[0x20dc800 -> 0x20dc8a8]: [[<-.data.frame [[<- 
tracemem[0x20dc8a8 -> 0x20dcaa0]: [[<-.data.frame [[<- 

Hadley 在他的例子中指出：

其实每次迭代都不是复制一次数据框，也不是两次，而是 三次！ [[.data.frame 制作了两份副本，还有一份 是因为 [[.data.frame 是一个递增的常规函数 x 的引用计数。

谁能解释一下为什么[[<-.data.frame 方法需要复制两份？

Answer 1

这并不是您问题的完整答案，但它是一个开始。

如果您查看 R 语言定义，您会看到 df[["name"]] <- 3.2 被实现为

`*tmp*` <- df
df <- "[[<-.data.frame"(`*tmp*`, "name", value=3.2)
rm(`*tmp*`)

所以一份副本被放入*tmp*。如果你调用debug("[[<-.data.frame")，你会发现它确实被一个名为*tmp*的参数调用，并且 tracemem() 将显示第一次复制发生在您进入之前。

函数[[<-.data.frame 是一个常规函数，其头部如下：

function (x, i, j, value)  

该函数被称为

`[[<-.data.frame`(`*tmp*`, "name", value = 3.2)

现在有三个对数据框的引用：全局环境中的df，内部代码中的*tmp*，以及该函数中的x。 （其实还有一个调用泛型的中间步骤，但它是一个原语，所以不需要重新引用。）

x 的类在函数中被更改；触发副本。然后x的组件之一被更改；那是另一个副本。这样就变成了 3。

只是猜测，我会说第一次重复的原因是复杂的替换可能引用原始值，它避免了检索部分修改值的可能性。