在函数的每次迭代中动态更新输入数据帧，无需全局分配

Posted 2023-02-25

【中文标题】在函数的每次迭代中动态更新输入数据帧，无需全局分配

【英文标题】：Dynamically update input dataframe at each iteration of function without global assignment

【发布时间】：2018-11-28 13:58:43

【问题描述】：

我有 (1) 一个评分参考表，以及 (2) 一个函数，它根据这些评分随机生成结果并根据生成的结果更新评分。

虽然下面的可重现示例有更简单的解决方案，但预期的应用是根据对手的 Elo 评分来模拟对手之间的结果，每轮比赛后都会更新评分以运行模拟“热”。

在这里，我有一个评级参考表ref，并使用函数genResult 生成随机结果并使用全局分配更新参考表。

set.seed(123)
ref <- data.frame(id = LETTERS[1:5],
                  rating = round(runif(5, 100, 200)))

genResult <- function(ref) 

  id_i <- LETTERS[floor(runif(1, 1, 5))]

  score_i <- round(rnorm(1, 0, 20))

  ref[ref$id == id_i,]$rating <- ref[ref$id == id_i,]$rating + score_i

  result_i <- data.frame(id = id_i, score = score_i)

  # assign('ref', ref, envir=.GlobalEnv)
  ref <<- ref

  return(list(result_i, ref))

复制这个函数两次，我们可以看到ref按预期更新了。

replicate(2, genResult(ref), simplify = F)

返回这个，我们可以看到参考表在两次迭代中的每一次都更新了。

[[1]]
[[1]][[1]]
id score
1  A     1

[[1]][[2]]
id rating
1  A    130
2  B    179
3  C    141
4  D    188
5  E    194


[[2]]
[[2]][[1]]
id score
1  C    -2

[[2]][[2]]
id rating
1  A    130
2  B    179
3  C    139
4  D    188
5  E    194

现在假设我要复制上述（复制的）函数；使用动态更新的评级模拟 5 个结果的 3 个单独实例并仅输出结果。我再次创建引用表ref 并定义了一个使用全局赋值的类似函数：

set.seed(123)
ref <- data.frame(id = LETTERS[1:5],
                  rating = round(runif(5, 100, 200)))

genResult2 <- function(ref) 

  id_i <- LETTERS[floor(runif(1, 1, 5))]

  score_i <- round(rnorm(1, 0, 20))

  ref[ref$id == id_i,]$rating <- ref[ref$id == id_i,]$rating + score_i

  result_i <- data.frame(id = id_i, score = score_i)

  ref <<- ref

  return(result_i)

然后使用apply 循环并将结果列表折叠到数据框：

lapply(1:3, function(i) 

  ref_i <- ref

  replicate(5, genResult2(ref_i), simplify = F) %>% 
    plyr::rbind.fill() %>% 
    mutate(i)

) %>% 
  plyr::rbind.fill()

返回：

id score i
1   A     1 1
2   C    -2 1
3   B     9 1
4   A    26 1
5   A    -9 1
6   D    10 2
7   D     8 2
8   C     5 2
9   A    36 2
10  C    17 2
11  B    14 3
12  B   -15 3
13  B    -4 3
14  A   -22 3
15  B   -13 3

现在这似乎按预期工作，但是 (i) 感觉真的很难看，并且 (ii) 我已经读过无数次了，全局分配可能而且将会造成意想不到的伤害。

谁能提出更好的解决方案？

【参考方案1】：

您可以使用new.env() 创建一个新环境并在那里进行计算：

将这个想法应用到您的第一个函数中：

set.seed(123)
ref1 <- data.frame(id = LETTERS[1:5],
                  rating = round(runif(5, 100, 200)))
ref1

refEnv <- new.env()
refEnv$ref = ref1

genResult <- function(ref) 

  id_i <- LETTERS[floor(runif(1, 1, 5))]

  score_i <- round(rnorm(1, 0, 20))

  ref[ref$id == id_i,]$rating <- ref[ref$id == id_i,]$rating + score_i

  result_i <- data.frame(id = id_i, score = score_i)

  assign('ref', ref, envir=refEnv)

  return(list(result_i, ref))

replicate(2, genResult(refEnv$ref), simplify = F)

ref1
refEnv$ref

---

您会看到原始的ref1 没有被触及并保持不变，而refEnv$ref 包含上次迭代的结果。

并使用lapply 将其实现到您的第二个函数：

set.seed(123)
ref1 <- data.frame(id = LETTERS[1:5],
                   rating = round(runif(5, 100, 200)))
ref1

refEnv <- new.env()
refEnv$ref = ref1


genResult2 <- function(ref) 

  id_i <- LETTERS[floor(runif(1, 1, 5))]

  score_i <- round(rnorm(1, 0, 20))

  ref[ref$id == id_i,]$rating <- ref[ref$id == id_i,]$rating + score_i

  result_i <- data.frame(id = id_i, score = score_i)

  assign('ref', ref, envir=refEnv)

  return(result_i)


# Replicating this function twice, we can see `ref` is updated as expected.    
lapply(1:3, function(i) 

  replicate(5, genResult2(refEnv$ref), simplify = F) %>% 
    plyr::rbind.fill() %>% 
    mutate(i)

) %>% 
  plyr::rbind.fill()

ref1

【讨论】：

感谢您的回答@SeGa，我从不考虑使用new.env()，这对未来很有用:) 但是，我在这里接受了另一个答案，因为它可以让我避免在任何环境中分配我认为当包含在一个包中时，用户更容易看到发生了什么。

【参考方案2】：

如果您正在迭代并且下一次迭代依赖于最后一次迭代，这通常是一个好兆头，您应该使用老式的 for 循环而不是 replicate 或 apply 函数（另一种可能是使用 @ 987654324@ accumulate 参数设置为TRUE)。

这给出了与您发布的代码相同的输出，我使用了 for 循环并使您的函数也返回 ref：

genResult3 <- function(ref) 

  id_i <- LETTERS[floor(runif(1, 1, 5))]

  score_i <- round(rnorm(1, 0, 20))

  ref[ref$id == id_i,]$rating <- ref[ref$id == id_i,]$rating + score_i

  result_i <- data.frame(id = id_i, score = score_i)

  #ref <<- ref

  return(list(result_i,ref)) # added ref to output


lapply(1:3, function(i) 
  res <- list(5)
  for (k in 1:5)
    gr <- genResult3(ref)
    res[[k]] <- gr[[1]] # update rating
    ref      <- gr[[2]] # get result
    res[[k]] <- left_join(res[[k]], ref, by = "id") # combine for output
  
    plyr::rbind.fill(res) %>% 
    mutate(i)

) %>% 
  plyr::rbind.fill()

返回：

   id score rating i
1   A     1    130 1
2   C    -2    139 1
3   B     9    188 1
4   A    26    156 1
5   A    -9    147 1
6   D    10    198 2
7   D     8    206 2
8   C     5    146 2
9   A    36    165 2
10  C    17    163 2
11  B    14    193 3
12  B   -15    178 3
13  B    -4    174 3
14  A   -22    107 3
15  B   -13    161 3

【讨论】：

非常感谢——我想我几年前一定对 R 中的循环产生了反感，认为 *apply 在任何情况下都更胜一筹！是的，这最终不是最好的例子，但我已将ref 添加到您的答案的输出中，以查看rating 在每次迭代时更新和重置。

循环恐惧症很常见，但可以治愈:)。 For 循环的可读性通常较低（对于通过 *apply 练习的人来说），但是当它们更具可读性或避免像 <<- 这样的不良做法时，您应该使用它们，如果操作正确，它们的速度差不多。看到这个帖子：***.com/questions/48793273/why-not-use-a-for-loop/…

很好的答案！我认为理解 R 中的向量化函数通常更快，因为它们在 C 中进行了优化，这解释了*apply 总是比 for 循环更好的误解。

是的，有些人经常认为 for 循环可以更快，尽管在我上面链接的答案中，我仍在等待有人提出这种情况的示例。无论如何，它是相同的数量级。