[英]R: Pass data.frame by reference to a function
我将data.frame
作为参数传递给想要更改内部数据的函数:
x <- data.frame(value=c(1,2,3,4))
f <- function(d){
for(i in 1:nrow(d)) {
if(d$value[i] %% 2 == 0){
d$value[i] <-0
}
}
print(d)
}
当我执行f(x)
我可以看到data.frame
内部是如何被修改的:
> f(x)
value
1 1
2 0
3 3
4 0
但是,我传递的原始data.frame
是未修改的:
> x
value
1 1
2 2
3 3
4 4
通常我通过返回修改后的一个克服了这个:
f <- function(d){
for(i in 1:nrow(d)) {
if(d$value[i] %% 2 == 0){
d$value[i] <-0
}
}
d
}
然后调用重新分配内容的方法:
> x <- f(x)
> x
value
1 1
2 0
3 3
4 0
但是,我想知道这个行为在一个非常大的data.frame
中是什么影响,是一个为方法执行而增长的新东西? R-ish这样做的方法是什么?
有没有办法修改原始的,而不在内存中创建另一个?
实际上在R(几乎)中,每个修改都在先前数据的副本上执行(写时复制行为)。
因此,例如在您的函数内部,当您执行d$value[i] <-0
实际创建了一些副本。 您通常不会注意到,因为它已经过优化,但您可以使用tracemem
函数进行跟踪。
话虽这么说,如果你的data.frame不是很大,你可以坚持使用你的函数返回修改过的对象,因为它只是一个副本。
但是,如果您的数据集非常大并且每次都进行复制可能非常昂贵,那么您可以使用data.table,它允许就地修改,例如:
library(data.table)
d <- data.table(value=c(1,2,3,4))
f <- function(d){
for(i in 1:nrow(d)) {
if(d$value[i] %% 2 == 0){
set(d,i,1L,0) # special function of data.table (see also ?`:=` )
}
}
print(d)
}
f(d)
print(d)
# results :
> f(d)
value
1: 1
2: 0
3: 3
4: 0
>
> print(d)
value
1: 1
2: 0
3: 3
4: 0
NB
在这种特定情况下,循环可以用“矢量化”和更有效的版本替换,例如:
d[d$value %% 2 == 0,'value'] <- 0
但也许你真正的循环代码更复杂,不能轻易地进行矢量化。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.