R中的词法作用域和环境答案

【问题标题】：lexical scoping and environments in RR中的词法作用域和环境
【发布时间】：2020-04-30 15:37:02
【问题描述】：

我有以下代码 sn-p 灵感来自我的原始代码：

func2 <- function(foos) {
  for (foo in foos)
    print(eval(parse(text = foo)))
  return(foos)
}

func1 <- function(vec) {
  text3_obj <- 'text3'
  vec <- c(vec, c('text3_obj'))
  return(func2(vec))
}

text1_obj <- 'text1'
text2_obj <- 'text2'
func1(c('text1_obj', 'text2_obj'))

在主代码中，我创建了 2 个对象 (text1_obj & text2_obj) 并将它们的名称传递给 func1()。在向量中添加另一个对象后，此函数调用func2()。在func2() 我只是打印对象的值。下面是这段代码的输出：

[1] "text1"
[1] "text2"
Error in eval(parse(text = foo)) : object 'text3_obj' not found

进入调试模式后，我意识到即使是 exists('text3_obj') 内部的 func2() 也会抛出错误。所以我有两个问题：

即使func1() 是func2() 的直接父环境；为什么text3_obj 在func2() 中不可解析。甚至更高的全局环境变量是可解析的，例如text1_obj。
为什么在调试模式下显式命名环境就像魅力一样，例如exists('text3_obj', where = parent.frame()) 和 eval(parse(text = 'text3_obj'), parent.frame())

【问题讨论】：

标签： r lexical-scope

【解决方案1】：

您将“调用环境”与“封闭环境”混淆了。在 Hadley 的《Advanced R》一书中查看这些术语。

http://adv-r.had.co.nz/Environments.html

“调用环境”是调用函数的环境，由不幸命名的函数parent.frame 返回。但是，调用环境不用于词法作用域。

“封闭环境”是创建函数并用于词法作用域的环境。您已经在全局环境中创建了func1 和func2。因此，全局环境是两个函数的“封闭环境”，并将用于词法范围无论调用环境如何！！

如果您希望func2 使用func1 的执行环境进行词法作用域，您有（至少）两个选项。你可以在func1内创建func2

func1 <- function(vec) {

  func2 <- function(foos) {
    for (foo in foos)
      print(eval(parse(text = foo)))
    return(foos)
  }

  text3_obj <- 'text3'
  vec <- c(vec, c('text3_obj'))
  return(func2(vec))
}

然后您的测试按预期工作：

> text1_obj <- 'text1'
> text2_obj <- 'text2'
> func1(c('text1_obj', 'text2_obj'))
[1] "text1"
[1] "text2"
[1] "text3"
[1] "text1_obj" "text2_obj" "text3_obj"

或者，您可以创建func2 并从func1 中重新分配它的“封闭环境”。

func2 <- function(foos) {
  for (foo in foos)
    print(eval(parse(text = foo)))
  return(foos)
}

func1 <- function(vec) {
  text3_obj <- 'text3'
  vec <- c(vec, c('text3_obj'))
  environment(func2) <- environment()
  return(func2(vec))
}

这也将按预期工作。

我在编写演示代码时发现的一个有趣的花絮...似乎当您从func1 中重新分配func2 的环境时，R 在@ 的执行环境中创建了func2 的副本987654337@。当您返回控制台时，原始func2 的封闭环境保持不变。证人：

a = function() {
  print(identical(environment(a), globalenv()))
}

b = function(x) {
  environment(a) <- environment()
  a()
}

测试a() 和b()：

> a()
[1] TRUE
> b()
[1] FALSE
> a()
[1] TRUE
>

这不是我所期望的，但似乎 R 的表现非常出色。如果不是这样，a() 的封闭环境将永久更改为b() 的执行环境，并且 FALSE 应该在第二次调用 a() 时返回。

事实证明，您可以在全局环境中使用<<- 强制更改为原始a()：

a = function() {
  print(identical(environment(a), globalenv()))
}

b = function(x) {
  # set a variable in the execution environment of b() for use later...
  montePython = "I'm not dead yet!!"
  # change the enclosing environment of a() in the global environment
  # rather than making a local copy of a() in b()'s execution environment.
  environment(a) <<- environment()
  a()
}

测试a() 和b()：

> a()
[1] TRUE
> b()
[1] FALSE
> a()
[1] FALSE
>

有趣的是，这意味着b() 的（通常是临时的）执行环境即使在b() 终止后仍然存在于内存中，因为a() 仍然引用该环境，所以它不能被垃圾回收。证人：

> environment(a)$montePython
[1] "I'm not dead yet!!"

【讨论】：