我们又来了：将一个元素附加到 R 中的列表中

Posted 2023-03-11

【中文标题】我们又来了：将一个元素附加到 R 中的列表中

【英文标题】：Here we go again: append an element to a list in R

【发布时间】：2013-06-07 10:25:21

【问题描述】：

我对@9​​87654321@ 的接受回答不满意

> list1 <- list("foo", pi)
> bar <- list("A", "B")

如何将新元素 bar 附加到 list1？显然，c() 不起作用，它会变平 bar：

> c(list1, bar)
[[1]]
[1] "foo"

[[2]]
[1] 3.141593

[[3]]
[1] "A"

[[4]]
[1] "B"

分配给索引作品：

> list1[[length(list1)+1]] <- bar
> list1
[[1]]
[1] "foo"

[[2]]
[1] 3.141593

[[3]]
[[3]][[1]]
[1] "A"

[[3]][[2]]
[1] "B"

这种方法的效率如何？有没有更优雅的方式？

【问题讨论】：

c(list1,list(bar))?请使用 package microbenchmark 自己进行基准测试。

您更喜欢性能、优雅还是两者兼而有之？您的所有数据是否都已知是字符串，或者可能是任意的？请相应地澄清问题的标题和文字。

Append an object to a list in R in amortized constant time, O(1)?的可能重复

有人能说出为什么 c() 不起作用并将值变平吗？

@NaveenGabriel：因为语义上 c() 已超载。它从元素构建向量，也通过连接向量。

【参考方案1】：

这很容易。您只需要通过以下方式添加它：

list1$bar <- bar

【讨论】：

这根本没有解决效率问题。

是的，但它是very easy...@Richard

【参考方案2】：

一次添加一个元素到列表中是非常慢的。看这两个例子：

我将Result 变量保留在全局环境中，以避免复制到评估框架，并使用.GlobalEnv$ 告诉R 在哪里查找它，以避免使用<<- 进行盲目搜索：

Result <- list()

AddItemNaive <- function(item)

    .GlobalEnv$Result[[length(.GlobalEnv$Result)+1]] <- item


system.time(for(i in seq_len(2e4)) AddItemNaive(i))
#   user  system elapsed 
#  15.60    0.00   15.61 

慢。现在让我们试试第二种方法：

Result <- list()

AddItemNaive2 <- function(item)

    .GlobalEnv$Result <- c(.GlobalEnv$Result, item)


system.time(for(i in seq_len(2e4)) AddItemNaive2(i))
#   user  system elapsed 
#  13.85    0.00   13.89

还是很慢。

现在让我们尝试使用environment，并在此环境中创建新变量，而不是将元素添加到列表中。这里的问题是变量必须命名，所以我将使用计数器作为字符串来命名每个项目“slot”：

Counter <- 0
Result <- new.env()

AddItemEnvir <- function(item)

    .GlobalEnv$Counter <- .GlobalEnv$Counter + 1

    .GlobalEnv$Result[[as.character(.GlobalEnv$Counter)]] <- item


system.time(for(i in seq_len(2e4)) AddItemEnvir(i))
#   user  system elapsed 
#   0.36    0.00    0.38 

哇，快多了。 :-) 使用起来可能有点尴尬，但它确实有效。

最后一种方法使用列表，但不是一次增加一个元素的大小，而是在每次列表满时将大小加倍。列表大小也保存在一个专用变量中，以避免使用 length 时出现任何减速：

Counter <- 0
Result <- list(NULL)
Size <- 1

AddItemDoubling <- function(item)

    if( .GlobalEnv$Counter == .GlobalEnv$Size )
    
        length(.GlobalEnv$Result) <- .GlobalEnv$Size <- .GlobalEnv$Size * 2
    

    .GlobalEnv$Counter <- .GlobalEnv$Counter + 1

    .GlobalEnv$Result[[.GlobalEnv$Counter]] <- item


system.time(for(i in seq_len(2e4)) AddItemDoubling(i))
#   user  system elapsed 
#   0.22    0.00    0.22

它甚至更快。和任何列表一样容易上手。

让我们尝试更多迭代的最后两个解决方案：

Counter <- 0
Result <- new.env()

system.time(for(i in seq_len(1e5)) AddItemEnvir(i))
#   user  system elapsed 
#  27.72    0.06   27.83 


Counter <- 0
Result <- list(NULL)
Size <- 1

system.time(for(i in seq_len(1e5)) AddItemDoubling(i))
#   user  system elapsed 
#   9.26    0.00    9.32

嗯，最后一个绝对是要走的路。

【讨论】：

我用不同数量的元素尝试了[[]] 的第一种方法：2e3 的运行速度比 2e4 快 100 倍，显然是 O(N^2)，所以整个列表都被复制了。另一方面，与2e4 元素相比，每次为2e5 元素分配不同的变量名大约需要20 倍的时间，即O(N)——性能是我期望将元素添加到列表中的性能。

删除.GlobalEnv$ 使函数更快

@Megatron，这破坏了代码，请参阅我对您的回答的评论。

我喜欢加倍大小的方法，但我总是得到一个比我想要的更长的列表。如何删除列表尾部的 NULL 条目：

【参考方案3】：

在 R 中改变列表/向量长度的操作总是将所有元素复制到一个新列表中，因此会很慢，O(n)。在环境中存储是 O(1)，但具有更高的常量开销。有关多种方法的实际 O(1) 附加和基准比较，请参阅我在 https://***.com/a/32870310/264177 对另一个问题的回答。

【讨论】：

在环境中存储项目的 O(1) 是指摊销 O(1)（即平均而言），但在大多数情况下这已经足够了。

R 使用函数式编程风格在向现有结构添加元素时总是会遇到问题，例如v <- c(v, newElement)。然而，通过索引添加或替换元素不是函数式编程风格。我不知道 R 中向量的内部表示，但是使用 chunked array （单个较小的数组被链接成一个链基本上形成一个更大的数组），不受附加影响的部分可能是重用未修改，从 GC 中移除负载。毕竟，R 的基础设计得不是很好，有时很难做一些简单的事情。

R 向量基本上是固定大小的 C 数组。如果某些东西改变了长度 R 只会创建整个数组的新副本。这对于对大型数据集进行分析非常有用，但对于逐个附加元素则效果不佳。