R语言 抽象

已经使用R语言一段时间的人，很可能已经习惯于将功能作为参数传递给其他函数。然而，人们不太可能从他们个人的自定义代码中返回函数。这实在是太可怕了，因为这样做可以开辟一个全新的抽象国际，可以大大降低完成特定风格的职责所需的代码数量和复杂性。在这里，我们提供一些简短的例子，说明R程序员如何利用词法闭包来封装记录和策略。

在R中的实现

首先，一个简单的例子，假设你想要一个函数，为其参数提供 add_2() 。你可能可以这样写。

add_2 <- function(y) { 2 + y }

这正是你所期望的。

> add_2(1:10)
[1] 3 4 5 6 7 8 9 10 11 12

现在，假设你需要其他每一个特征，而不是提供7给它的参数。但这将是非常低效的：如果将来你发现你犯了一个错误，而且你确实想把这些数值相乘而不是相加，你将被迫在一些地方交换代码。在这个微不足道的例子中，这不会有很多麻烦，但对于更复杂的项目，重复代码是一个灾难的秘诀。一个更高的概念是写一个特征，它需要一个参数，x，返回每一个其他的函数，提供它的参数，y，到x。

add_x <- function(x) {
   function(y) { x + y }
}

现在，当你用一个参数命名 add_x 时，你可能会得到一个功能，而这个功能正是你需要的。

add_2 <- add_x(2)
add_7 <- add_x(7)

> add_2(1:10)
[1] 3 4 5 6 7 8 9 10 11 12
> add_7(1:10)
[1] 8 9 10 11 12 13 14 15 16 17

所以这似乎并不太令人震惊。但是如果你仔细看 add_x 的定义 ， 你可能会注意到一些奇怪的东西：当它被提到以后的时候，返回的特征是如何实现发现x的？

事实证明，R是词义范围的，这意味着特征与它们所描述的环境有联系。在这种情况下，当你调用 add_x 时，你提供的x参数会被附加到返回特性的环境中。在不同的短语中，在这个简单的例子中，你可以认为R只是简单地改变了特征中x变量的所有实例，使其降低到你在调用 add_x 时指定的值。好吧，这可能是一个巧妙的技巧，但是，如何才能更有效地使用它？对于一个稍微复杂的例子，想想你正在做一些复杂的引导，为了提高效率，你预先分配容器向量来保存结果。如果你只有一个单一的效果向量，这很容易–你需要做的就是考虑到每当你向向量上传一个最终结果时，都要迭代一个索引计数器。

for (i in 1:nboot) {
 bootmeans[i] <- mean(sample(data, length(data), 
                             replace = TRUE))
}

> mean(data)
[1] 0.0196
> mean(bootmeans)
[1] 0.0188

但是，想想你需要跟踪几个非常规的统计数据，每一个都需要你保持跟踪一个独特的索引变量。如果你的bootstrapping ordinary有一点点复杂，这可能会很乏味，而且容易出错。通过使用闭包，你可以总结出所有这些簿记。下面是一个构造函数，它封装了一个预先分配的容器向量。

make_container <- function(n) {
   x <- numeric(n)
   i <- 1
  
   function(value = NULL) {
       if (is.null(value)) {
           return(x)
       }
       else {
           x[i] <<- value
           i <<- i + 1
       }  
   }
}

当你用一个问题调用 make_container 时，它会预先分配一个指定周期的数字向量n，并返回一个特征，允许你对该向量进行特征统计，而不必担心大约保持索引的音乐。如果你不该返回特征的参数是NULL，那么整个向量就是后面的。

bootmeans <- make_container(nboot)
  
for (i in 1:nboot)
bootmeans(mean(sample(data, length(data), 
                      replace = TRUE)))

> mean(data)
[1] 0.0196
> mean(bootmeans())
[1] 0.0207

在这里， make_container 是非常简单的，但它可以根据你的需要而变得复杂。例如，你可能想让构造函数进行一些昂贵的计算，而这些计算你可以不再在每次角色被称为时进行。实际上，这就是我在 boolean3 软件包中完成的，以减少每次新发布的优化习惯所进行的计算范围。