使用 For 循环时，“堆栈不平衡”警告对我的 Output 有何影响？

Question

我做了一个 function 来计算 R 图形上随机生成的 (x,y) 点的人口加权平均密度 (PWAD) 。 function 并不完美......我不是根据它们所在的网格正方形而是根据它们最接近的网格中心将点分配给网格正方形，然后我假设中心拉出的区域是大小网格（1 或 0.25）。 function 的目的是测试在不同“总人口”下对网格位置和大小的敏感性。 这是 function（评论是为我的未来版本写的）：

pwad.grid <- function(xval, yval, totalpop) {
  values <- data.frame(xval, yval)
  
  # I'll use the four grids that I've already got
  # the original size grids
  
  # I'm not cleaning up this code, i.e. it's as it was originally developed for a 
  # non-function use when I only wanted to do this once
  # again, I'm using minimum Euclidean distance of (x, y) point to grid centre to 
  # fudge assignation to grids
  
  lowbounds3 <- 0.25
  highbounds3 <- 10.25
  
  centres1 <- data.frame(x=seq(0.05, 1, .1) * 10, y=10 *  
                          as.vector(matrix(rep(seq(0.05, 1, .1), each=10), 
                                           nrow=10)))
  centres2 <- data.frame(x=seq(0, 10, 1), y=10 *  
                          as.vector(matrix(rep(seq(0, 1, .1), each=11),
                                           nrow=11)))
  centres3 <- data.frame(x=seq(lowbounds3, highbounds3, 1), y=
                          as.vector(matrix(rep(seq(lowbounds3, highbounds3, 1),
                                               each=11), nrow=11)))
  
  #the quarter size integer aligned grid
  
  lowbounds4 <- 0.25
  highbounds4 <- 9.75
  centres4 <- data.frame(x=seq(lowbounds4, highbounds4, .5), y=
                          as.vector(matrix(rep(seq(lowbounds4, highbounds4, .5), 
                                               each=20), nrow=20)))
  
  # and now the stores, which I alter somewhat to allow for varying populations
  # reminder: these are the calculations for the Euclidean distances
  # the code inside the matrix calculates the distances on a repeated entry basis
  # i.e. when there are 100 centres, each (x, y) is repeated 100 times, once for 
  # each centre #the matrix then arranges the results so that each (x, y) occupies 
  # only one row once again
  
  stores1 <- matrix(sqrt(rowSums((values[rep(1:totalpop, each=100), ] - 
                                    centres1[rep(1:100, totalpop), ])^2)), 
                    ncol=100, byrow=TRUE)
  
  stores2 <- matrix(sqrt(rowSums((values[rep(1:totalpop, each=121), ] - 
                                    centres2[rep(1:121, totalpop), ])^2)), 
                    ncol=121, byrow=TRUE)
  
  stores3 <- matrix(sqrt(rowSums((values[rep(1:totalpop, each=121), ] - 
                                    centres3[rep(1:121, totalpop), ])^2)), 
                    ncol=121, byrow=TRUE)
  
  stores4 <- matrix(sqrt(rowSums((values[rep(1:totalpop, each=400), ] - 
                                    centres4[rep(1:400, totalpop), ])^2)), 
                    ncol=400, byrow=TRUE)
  
  # assigning points to groups based on the minimum Euclidean Distance
  groups1 <- max.col(-stores1)
  groups2 <- max.col(-stores2)
  groups3 <- max.col(-stores3)
  groups4 <- max.col(-stores4)
  
  # calculating the PWADs
  pwad1 <- sum(table(groups1) * table(groups1)/totalpop)
  pwad2 <- sum(table(groups2) * table(groups2)/totalpop)
  pwad3 <- sum(table(groups3) * table(groups3)/totalpop)
  mill <- table(groups4) / 0.25
  pwad4 <- sum(mill * table(groups4)/totalpop)
  
  # outputs grouped together
  data.frame(pwad1, pwad2, pwad3, pwad4)
}

为了查看不同人口规模的影响，我一直在 R 中使用 for 循环。 每个循环是 1000 次迭代并生成四组 1000 个 PWAD（每个网格类型一个）。 对于大于 100 的人口，循环需要一分钟以上才能在我的机器上完成。 对于 1000 人来说，大约需要 12-13 分钟。 根据我已经完成的各种人口，我预计 5000 人口需要大约 66 分钟。 那是一个时代，但我要出去了，为什么不跑呢？

这是我为 5000 人运行的循环和前面的代码：

# I created sims earlier when I ran my very first population.
sims <- data.frame(baseline=1:1000, ptfive=1:1000, pt75=1:1000, qtrsize=1:1000)
# I did not run it again when I ran the below:

xvalues <- matrix(runif(5000 * 1000) * 10, ncol=1000)
yvalues <- matrix(runif(5000 * 1000) * 10, ncol=1000)

dim(xvalues)

start_time <- Sys.time()
for (i in 1:1000) {
  xval <- xvalues[, i]
  yval <- yvalues[, i]
  
  sims[i, ] <- pwad.grid(xval, yval, 5000)
  #commented out just in case I forget and run all chunks
}
end_time <- Sys.time()
#started at 5:51, expect to finish approx 6:51-

#write.csv(sims, "5000sim.csv")

end_time - start_time

这是控制台 output 运行（除了模拟人生）生成：

xvalues <- matrix(runif(5000 * 1000) * 10, ncol=1000)
yvalues <- matrix(runif(5000 * 1000) * 10, ncol=1000)
dim(xvalues)
# [1] 5000 1000
start_time <- Sys.time()
for (i in 1:1000) {
  xval <- xvalues[, i]
  yval <- yvalues[, i]
  
  sims[i, ] <- pwad.grid(xval, yval, 5000)
  #commented out just in case I forget and run all chunks
}
# Warning: stack imbalance in 'for', 2 then -1
end_time <- Sys.time()
end_time - start_time
# Time difference of 1.251416 hours

如您所见，不幸的是，我收到了警告（不是错误。）。 因为我一直将输出保存为 csv 文件。 我没有使用 set.seed() 所以这是我使用的特定数字集导致了警告......

我的问题是：

• 什么是“警告：'for' 中的堆栈不平衡，2 然后 -1 ”？
• 我对 5000 人口的结果是否受到影响？
• 为什么会发生警告？
• 如果我在看电影/过夜时运行 10000 的代码，我该如何避免它？

在搜索 Google 时，我看到的主要是 Rcpp 或不同语言上下文中“堆栈不平衡”的描述。 如您所见，我仅使用基本 R 函数来构建我的 function 和一个 for 循环，它也来自基本 R。

如果它是 memory 东西：

但那是后循环。 我不知道它在运行之前或运行期间是什么。

不确定标签，如果需要更多详细信息，请告诉我。 非常感谢！

SLR的完成预测：

cloudnumber <- c(10, 100, 250, 500, 500, 750, 900, 1000, 1250)
yseconds <- c(9.173949, 55.87789, 2.186122 * 60, 4.707054 * 60, 4.606928 * 60, 
              7.831578 * 60, 9.376838 * 60,  12.30255 * 60, 15.15093 * 60)
runtime <- lm(yseconds ~ cloudnumber)
predict(runtime, data.frame(cloudnumber=newdata, type="response")) / 60

添加 5000 人口的长度会将预测的 10000 人口从 120.62128 分钟调整为 150.58184 分钟。

Answer 1

“警告：'for' 中的堆栈不平衡，2 然后 -1”消息表示 C/C++ 级别代码中的某些内容未正确编程。 当 C 级别代码创建 R 变量时，需要对其调用PROTECT ，这样垃圾收集器就不会释放它。 在调用结束时，它应该进行匹配的UNPROTECT调用，以便可以释放 object。

R 在外部调用的开始和结束时检查这些，并在结果不平衡时发出警告。

现在，如果您向我们展示的所有代码都在运行，这表明 R 中存在内部错误。 不幸的是，由于未调用set.seed ，您的示例无法重现，而且运行时间很长：其他任何人都很难重现它。

你问这是否会影响你的结果。 我会说它可以，但我当然不知道它确实如此。

对于您的下一次运行，您绝对应该在开始时使用set.seed(n)将 RNG 值固定为已知n 。 如果警告至少再次发生，那么您可以尝试相同的运行并查看它是否可重现。 希望它会，然后你可以尝试调试它：它是否发生在较短的 for 循环中？ 如果您运行options(warn=2)将警告转换为错误，则可以将其范围缩小到导致问题的确切步骤。 让我们（或 R 开发人员）知道您是否获得了可重现的东西，也许该错误可以修复。