正如我们在 cmets 中所讨论的，在 R 中存在一种固有的类似集合的机制，尽管无可否认它有点不合时宜，而且可能并不完全符合预期。 （此 hack 的一些限制记录在 hashmap 包中。）
R 中的环境是内部散列的。这可用于存储具有随机访问（读取和写入）的任意对象。为了检查一些基准，我将生成几种类型的向量来证实您最初的担忧并展示使用环境可以带来的改进。
我们将首先生成一些类似的数据，以各种方式排序以突出您提出的问题：
library(microbenchmark)
set.seed(2)
s1 <- seq(5000)
s2 <- rev(s1) # to highlight the bias you highlighted, since the vector is sorted
s3 <- sample(s1) # to shake things up a little
s4 <- as.character(s3) # comparison with character-based named in 'l' and 'e'
l <- list()
e <- new.env(parent = emptyenv())
for (i in s4) {
assign(i, TRUE, envir = e)
l[[i]] <- TRUE
}
head(names(l)) # unordered
# [1] "925" "3512" "2866" "840" "4716" "4713"
list 在其对象中确实具有序数，这支持其对象未散列的假设：
which(names(l) == "1")
# [1] 2291
环境没有这个：
e[[1]]
# Error in e[[1]] : wrong arguments for subsetting an environment
一些快速的成员资格测试：我使用了一个逻辑值，尽管这完全是武断的。除了NULL 之外的任何东西都足以满足我们的需求。我们将使用一个简单的!is.null(e[[...]]) 来测试特定的成员资格：
!is.null(e[["1"]])
# [1] TRUE
!is.null(e[["10000"]])
# [1] FALSE
!is.null(l[["1"]])
# [1] TRUE
!is.null(l[["10000"]])
# [1] FALSE
microbenchmark(
vec1 = 1 %in% s1,
vec2 = 1 %in% s2,
vec3 = 1 %in% s3,
vec4 = "1" %in% s4,
lst = is.null(l[["1"]]),
env = is.null(e[["1"]]),
times = 1000
)
# Warning in microbenchmark(vec1 = 1 %in% s1, vec2 = 1 %in% s2, vec3 = 1 %in% :
# Could not measure a positive execution time for 6 evaluations.
# Unit: nanoseconds
# expr min lq mean median uq max neval
# vec1 5835 6929 12493.25 7294 9482 3214588 1000
# vec2 9117 9847 16660.73 10212 12764 4081050 1000
# vec3 7294 8388 19983.63 8752 10576 3274759 1000
# vec4 11670 12400 15423.03 12764 14223 74394 1000
# lst 20787 21517 24561.72 21881 22975 143317 1000
# env 0 1 461.25 365 366 18235 1000
毫不奇怪，list 表现不佳，尽管它似乎比向量做得更好（在max 的情况下，相对没有意义）。同样不足为奇的是，根据我们声称环境使用内部拥有的说法，它表现得相当好。是O(1)吗？
microbenchmark(
samp5 = sapply(as.character(sample(5000, size = 5)), function(a) is.null(e[[a]])),
samp50 = sapply(as.character(sample(5000, size = 50)), function(a) is.null(e[[a]])),
samp500 = sapply(as.character(sample(5000, size = 500)), function(a) is.null(e[[a]])),
samp5000 = sapply(as.character(sample(5000, size = 5000)), function(a) is.null(e[[a]]))
)
# Unit: microseconds
# expr min lq mean median uq max neval
# samp5 25.893 32.4565 49.58154 40.4795 58.3485 169.573 100
# samp50 108.309 119.4310 156.45244 135.8410 167.3850 681.938 100
# samp500 935.750 1023.2715 1265.29732 1073.9610 1172.6055 6841.985 100
# samp5000 9410.008 10337.5520 11137.82968 10650.0765 11280.0485 15455.548 100
第一个，samp5，似乎需要更长的时间。这并不奇怪，因为有与sapply、采样和其他事情相关的开销。然而，剩余的行似乎随着样本数量的增加而扩展得很好。这表明对于一些基本的集合操作来说确实是O(1)。
注意：我不得不使用整个 sapply(...) 技巧，因为与向量和列表不同，R 的环境不允许使用向量进行子集化。
e[[c("1")]]
# [1] TRUE
e[[c("1","10")]]
# Error in e[[c("1", "10")]] :
# wrong arguments for subsetting an environment
这是hashmap 提出（并由其修复）的声明之一。
额外的功劳：为了便于将环境作为一个集合使用，您可以使用简单的加法器和删除器：
newset <- function() new.env(parent = emptyenv())
setadd <- function(set, n) set[[n]] <- TRUE
setdel <- function(set, n) set[[n]] <- NULL
setcontains <- function(set, n) !is.null(set[[n]])
setmembers <- function(set) names(set)
e <- newset()
setcontains(e, "a")
# [1] FALSE
setadd(e, "a")
setcontains(e, "a")
# [1] TRUE
setmembers(e)
# [1] "a"
setdel(e, "a")
setcontains(e, "a")
# [1] FALSE
（Jeffrey Horner 在这里发表了一篇类似但内容更广泛的博文：http://jeffreyhorner.tumblr.com/post/114524915928/hash-table-performance-in-r-part-i。）