您好,登錄后才能下訂單哦!
這篇文章主要介紹“R語(yǔ)言賦值運(yùn)算符的區(qū)別有哪些”,在日常操作中,相信很多人在R語(yǔ)言賦值運(yùn)算符的區(qū)別有哪些問題上存在疑惑,小編查閱了各式資料,整理出簡(jiǎn)單好用的操作方法,希望對(duì)大家解答”R語(yǔ)言賦值運(yùn)算符的區(qū)別有哪些”的疑惑有所幫助!接下來(lái),請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧!
<- 與 = 在大部分情況下是應(yīng)該可以通用的。并且,相對(duì)于 <<- 運(yùn)算符,它們的賦值行為均在它們自身的環(huán)境層(environment hierarchy)中進(jìn)行。
R語(yǔ)言中,<- 與 = 這兩個(gè)賦值運(yùn)算符最主要的區(qū)別在于兩者的作用域不同。大家可以從下面的例子感受一下。
貌似許多早期學(xué)習(xí)R的童鞋都比較喜歡使用 = 進(jìn)行賦值。畢竟,簡(jiǎn)簡(jiǎn)單單的a = 5用起來(lái)比較符合大多數(shù)現(xiàn)有語(yǔ)言的習(xí)慣。
> rm(x) ## 如果變量 x 存在的話,刪除此變量> mean(x = 1:10)[1] 5.5> xError: object 'x' not found
在以上范例里,變量 x 是在函數(shù)的作用域里進(jìn)行聲明的,所以它只存在于此函數(shù)中,一旦運(yùn)算完成便“消失”。
使用 <- 的運(yùn)算結(jié)果則如下:
> mean(x <- 1:10)[1] 5.5> x[1] 1 2 3 4 5 6 7 8 9 10
這一次, Global Environment 里出現(xiàn)了 x 變量
在以上代碼里,你可能會(huì)認(rèn)為計(jì)算機(jī)對(duì)上述語(yǔ)句進(jìn)行的處理是“將 1:10 賦值給 x , 然后計(jì)算 x 的均值。”在某些語(yǔ)言里,計(jì)算機(jī)的確是如此處理的,比如說 C 。但是在R語(yǔ)言中,卻不是這樣的。見下例。
> a <- 1> f <- function(a) return(TRUE)> f <- f(a <- a + 1); a[1] TRUE [1] 1
請(qǐng)注意,以上范例里, a 的值并沒有改變?。≡?R 中,在參數(shù)中進(jìn)行賦值的變量只有在需要進(jìn)行評(píng)估時(shí)才會(huì)改變其值。(也許,大家可以類比一下邏輯短路?1 < 0 && 2 == 1)這會(huì)導(dǎo)致程序里出現(xiàn)一些不可預(yù)期的結(jié)果并且降低代碼可讀性,所以并不推薦在函數(shù)參數(shù)里使用這一種賦值方式(事實(shí)上,函數(shù)參數(shù)弄那么復(fù)雜也是太無(wú)聊了了吧)
> a <- 1> f <- function(a) {+ if(runif(1)>0.5) TRUE + else a + }> f(a <- a+1);a[1] TRUE [1] 1> f(a <- a+1);a[1] TRUE [1] 1> f(a <- a+1);a[1] TRUE [1] 1> f(a <- a+1);a[1] 2> f(a <- a+1);a[1] TRUE [1] 2> f(a <- a+1);a[1] 3
上述代碼中,向函數(shù) f() 傳遞傳遞參數(shù) a <- a + 1 后,只有在隨機(jī)數(shù) runif(1) 小于0.5的時(shí)候,a 的值才會(huì)改變,即執(zhí)行+1操作。否則傳遞TRUE值。因此,因?yàn)殡S機(jī)數(shù) runif(1) 的隨機(jī)性,每次調(diào)用函數(shù) f()后 a 的值是不確定的。
并不是說 <-看起來(lái)復(fù)雜所以就索性不用它了。事實(shí)上,正如上文所說,如果不是有人會(huì)這么無(wú)聊在R 語(yǔ)言里進(jìn)行數(shù)據(jù)分析時(shí)用 <-弄個(gè)這么坑爹的函數(shù)參數(shù),這個(gè)賦值號(hào)的意義本身是很清晰的。
<- 長(zhǎng)得像箭頭,實(shí)質(zhì)上也是個(gè)箭頭,如果覺得從右向左賦值讓你覺得不爽的話,用 -> 甚至都是可以的。而那個(gè)傳統(tǒng)的 = 號(hào),在 R 里實(shí)質(zhì)上是退化了的,其在規(guī)范的 R 語(yǔ)言代碼里其實(shí)一般是作為為子集賦“name”的存在。
一個(gè)較為規(guī)范的賦值號(hào)使用方式應(yīng)該是醬紫的。
> a <- list(hello = 1, world = 2 ) ##如果 <- 換成 = 得多混亂……> a$hello[1] 1$world[1] 2> a$hello[1] 1> a[["world"]] ## '$' 與 '[["..."]]'是兩種不同的引用name的方式~~[1] 2
在 R 語(yǔ)言中,處在某一個(gè)環(huán)境層的代碼都擁有讀入上一環(huán)境層的變量的權(quán)限,但相反地,若只通過標(biāo)準(zhǔn)的賦值運(yùn)算符 <- ,是無(wú)法向上一環(huán)境層寫入變量的。若想在上一環(huán)境層進(jìn)行賦值行為,即向上一層次寫入變量,則需要用到 <<- (superassignment)運(yùn)算符啦~
看,灰機(jī)!
> plusx <- function(x){+ a <<- 1 + x + b <- 2 + x + x <- x * 2 + }> aError: object 'a' not found> bError: object 'b' not found> x <- 1> plusx(x)> a[1] 2> bError: object 'b' not found> x[1] 1
分析一下函數(shù)two() 中的三個(gè)變量 x, a, b
x:作為plusx()的實(shí)際參數(shù),調(diào)用時(shí)其值1復(fù)制到形參 x ,但形參仍為局部變量,故作為全局變量的 x 值不變
a:在調(diào)用函數(shù)plusx() 之前, 變量 a 和 b 是根本就不存在的。直到調(diào)用了plusx()后,a 才在出現(xiàn)。并且,由于plusx()的上一環(huán)境層即為頂層環(huán)境(Global Environment), 可直接在變量框內(nèi)看見 a。
b:為局部變量,正如上文所說, <- 進(jìn)行的賦值僅在當(dāng)前環(huán)境層進(jìn)行。
此例表明, 通過 <<- 賦值符,plusx()函數(shù)在頂層環(huán)境寫入了變量 a .
一般說來(lái), <<- 多用于在頂層環(huán)境中寫入變量。然而需要注意的是,以 <<- 執(zhí)行賦值時(shí),會(huì)一直向上直至頂層進(jìn)行變量查找。若在查找過程中尋找到該名稱的變量,就會(huì)進(jìn)行賦值操作。否則,將在頂層環(huán)境中創(chuàng)建變量并賦值。
> glob <- function(){ + d <- 5+ nxt1 <- function(){d <<- e + 1} + e <- 2+ nxt1() + d + } > glob() [1] 3> dError: object 'd' not found
此處,對(duì) d 運(yùn)用了 <<- 進(jìn)行賦值時(shí),由于nxt1()的上一環(huán)境層中出現(xiàn)了變量 d ,故賦值在glob()環(huán)境層進(jìn)行,而非頂層(Global Environment)
對(duì)比以下代碼:
> glob <- function(){>+ ##區(qū)別在這里,少了一行' d <- 5' + + nxt1 <- function(){d <<- e + 1} + e <- 2 + nxt1() + d + }> glob()[1] 3> d[1] 3
此處,由于glob()環(huán)境中沒有 d 變量的存在,在 nxt1() 中使用 <<- 賦值時(shí)變量 d 成為頂層變量。
到此,關(guān)于“R語(yǔ)言賦值運(yùn)算符的區(qū)別有哪些”的學(xué)習(xí)就結(jié)束了,希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí),快去試試吧!若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí),請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站,小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。