R的极客理想系列文章，涵盖了R的思想，使用，工具，创新等的一系列要点，以我个人的学习和体验去诠释R的强大。

R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。

要成为有理想的极客，我们不能停留在语法上，要掌握牢固的数学，概率，统计知识，同时还要有创新精神，把R语言发挥到各个领域。让我们一起动起来吧，开始R的极客理想。

关于作者：

• 张丹(Conan), 程序员Java,R,PHP,Javascript
• weibo：@Conan_Z
• blog: http://blog.fens.me
• email: bsspirit@gmail.com

转载请注明出处：
http://blog.fens.me/r-environments-function/

前言

本文接上一篇文章揭开R语言中环境空间的神秘面纱，继续介绍R语言中函数的环境空间。

R语言的函数环境空间，具有动态性，可以让我们用更少的代码构建出更复杂的应用来。

目录

1. R语言的函数环境空间
2. 封闭环境
3. 绑定环境
4. 运行环境
5. 调用环境
6. 完整的环境操作

1. R语言的函数环境空间

在R语言中，变量、对象、函数都存在于环境空间中，而函数又可以有自己的环境空间，我们可以在函数内再定义变量、对象和函数，循环往复就形成了我们现在用的R语言环境系统。

一般情况，我们可以通过new.env()去创建一个环境空间，但更多的时候，我们使用的是函数环境空间。

函数环境空间，包括4方面的内容：

• 封闭环境，每个函数都有一个且只有一个封闭环境空间，指向函数定义的环境空间。
• 绑定环境，给函数指定一个名字，绑定到函数变量，如fun1<-function(){1}。
• 运行环境，当函数运行时，在内存中动态产生的环境空间，运行结束后，会自动销毁。
• 调用环境，是指在哪个环境中进行的方法调用，如fun1<-function(){fun2()}，函数fun2在函数fun1被调用。

本文的系统环境

• Win7 64bit
• R: 3.0.1 x86_64-w64-mingw32/x64 b4bit

2. 封闭环境

封闭环境，比较好理解，是对函数空间的一个静态定义，在函数定义时指向所在的环境空间，通过environment()函数，来查看封闭环境。

我们在当前的环境空间，定义一个函数f1，查看f1函数的封闭环境为 R_GlobalEnv。

> y <- 1
> f1 <- function(x) x + y
> environment(f1)
<environment: R_GlobalEnv>

再定义一个函数f2，让f2函数调用f1函数，查看f2的函数的封闭环境为 R_GlobalEnv。

> f2 <- function(x){
+   f1()+y
+ }
> environment(f2)
<environment: R_GlobalEnv>

所以，封闭环境是在定义的时候设置的，与具体运行时环境，没有关系。

3. 绑定环境

绑定环境，就是把函数的定义和调用，通过函数变量连起来。

比如，我们新建一个环境空间e,在e定义一个函数g，就当相于把一个函数绑定到g变量，通过找到e环境空间中的g变量，就可以调用这个函数。

# 新建一个环境空间
> e <- new.env()

# 绑定一个函数到e$g
> e$g <- function() 1

# 查看函数g的定义
> e$g
function() 1

# 运行函数g
> e$g()
[1] 1

在环境空间e中，再定义一个嵌套函数e$f

# 绑定一个函数到e$f
> e$f <- function() {
+     function () 1
+ }

#查看函数f的定义
> e$f
function() {
    function () 1
}

# 调用函数f，返回嵌套的匿名函数定义
> e$f()
function () 1
<environment: 0x000000000dbc0a28>

# 调用函数f，和嵌套匿名函数，得到结果
> e$f()()
[1] 1

查看函数g和f的封闭环境。

# 函数g和f的封闭环境
> environment(e$g)
<environment: R_GlobalEnv>
> environment(e$f)
<environment: R_GlobalEnv>

# f内部的匿名函数的封闭环境
> environment(e$f())
<environment: 0x000000000d90b0b0>

# 匿名函数的父函数的封闭环境
> parent.env(environment(e$f()))
<environment: R_GlobalEnv>

我们看到e$g和e$f的封闭环境，都是当前环境R_GlobalEnv。而e$f()的匿名函数的封闭环境，是当前环境的子环境，也就是e$f函数的环境空间。

4. 运行环境

运行环境，是函数被调用时，产生的内存环境。运行环境是临时的，当函数运行完成后，运行环境会被自动销毁。在运行环境中的，定义的变量、对象和函数，也是动态创建的，随着内存释放而销毁。

定义一个函数g，在函数g中，有临时变量a和参数x。

> g <- function(x) {
+     if (!exists("a", inherits = FALSE)) {
+         a<-1
+     }
+     a<-a+x
+     a
+ }

# 调用函数g
> g(10)
[1] 11
> g(10)
[1] 11

调用2次函数g，运行结果都是11。我们可以看出，变量a在g函数中为临时变量，没有进行持有化，每次都是新的。

增加一些输出信息，我们再来看看，这个函数的运行情况。

> g <- function(x) {
+     message("Runtime function")  # 增加注释
+     print(environment())         # 打印运行时环境
+     if (!exists("a", inherits = FALSE)) {
+         a<-1
+     }
+     a<-a+x
+     a
+ }

# 调用函数g
> g(10)
Runtime function
<environment: 0x000000000e447380>
[1] 11
> g(10)
Runtime function
<environment: 0x000000000d2fa218>
[1] 11

我们还是调用2次g函数，看到print(environment()) 的输出，有2次不同的环境地址 0x000000000e447380，0x000000000d2fa218。说明函数的运行时环境，是内存临时分配的。

5. 调用环境

调用环境，是指函数是在哪个环境中被调用的。匿名函数通常是在定义的封闭环境中被调用。

我们定义一个嵌套的函数h，包括一个匿名函数。

> h <- function() {
+     x <- 5
+     function() {
+         x
+     }
+ }

# 调用函数h，把h函数内部的匿名函数赋值给r1
> r1 <- h()

# 在当前环境定义变量x
> x <- 10

# 调用函数r1
> r1()
[1] 5

r1函数运行后的结果为5，说明r1函数获得的是匿名函数查所在的封闭环境的x值，而不是r1变量所在的当前环境的x值。

我们把代码稍后修改，在函数h中，定义2个x变量。用<<-给第二个x变量赋值，相当于给父环境空间中的x变量赋值。

> h <- function() {
+     x <- 10
+     x <<- 5
+     function() {
+         x
+     }
+ }

# 调用函数h
> r1 <- h()

# 调用函数r1
> r1()
[1] 10

# 当前空间的变量x
> x
[1] 5

r1函数运行后的结果为10，说明r1函数获得的是匿名函数查所在的封闭环境的x值10，而不是通过<<-赋值的父环境中的x的值。

6. 完整的环境操作

接下来，把函数环境空间的操作放到一起，做一个完整环境的说明。

图片解释：

• 1. 蓝色圆圈，表示函数封闭，始终指向函数定义环境空间。
• 2. 粉色长方形，表示已加载的包环境空间，包括R_GlobalEnv, base, R_EmptyEnv等
• 3. 绿色长方形，表示已定义的函数环境空间。
• 4. 绿色长方形内的白色长方形，表示命名函数，包括fun1,fun2。
• 5. 不在绿色长方形内白色长方形，表示已定义的匿名函数。
• 6. 在长方形内的粉色小正方形，表示在环境空间中定义的变量，包括x,fx,f2。
• 7. 橙色小正方形，表示在内存中的变量值，包括5，2，1。
• 8. 黑色直线，表示变量的赋值。
• 8. 蓝色直线，表示指向封闭环境空间。
• 9. 橙色直线，表示函数调用过程。
• 10. 程序运行时，产生了函数环境空间的内存地址，包括0x000000000e0db220，0x000000000e0e8cf0, 0x000000000e0db178。

上图中结构，用R代码描述。

# 在当前环境定义变量x
> x<-5

# 在当前环境定义fun1
> fun1<-function(){
+   # 打印fun1环境空间
+   print("fun1")
+   print(environment())
+
+   # 在fun1函数环境中，定义变量x
+   x<-1
+   function() {
+     # 打印匿名环境空间
+     print("funX")
+     print(environment())
+     # 从一级父环境空间中，找到变量x
+     x+15
+   }
+ }

# 在当前环境定义fun2
> fun2<-function(){
+   # 打印fun2环境空间
+   print("fun2")
+   print(environment())
+
+   # 在fun2函数环境中，定义变量x
+   x<-2
+   fun1()  #调用函数fun1
+ }

# 在当前环境空间中，调用函数fun2，绑定到f2
> f2<-fun2()
[1] "fun2"
<environment: 0x000000000e0db220>
[1] "fun1"
<environment: 0x000000000e0e8cf0>

# 在当前环境空间中，调用匿名函数，并绑定到fx
> fx<-f2()
[1] "funX"
<environment: 0x000000000e0db178>

# 输出fx的结果
> fx
[1] 16

最后，通过完整的例子，我们清楚了R语言环境空间的基本结构和调用关系。接下来，我们就可以利用环境空间的特性来做一些实际的开发任务了。

转载请注明出处：
http://blog.fens.me/r-environments-function/

This entry was posted in R语言实践