时间戳

首页 > 解决方案 > 从 R 中的递归函数编译向量

r - 从 R 中的递归函数编译向量

问题描述

我试图了解范围如何在 R 中的递归函数中工作。

上下文是这个函数，它应该返回向量元素的所有唯一组合。（确切的期望输出的细节在这里并不真正相关。）

perm <- function(x) {
    n <- length(x)
    if (n == 1) {
        print(x)
    } else {
        y <- NULL
        for (i in 1:n) {
            y <- paste(x[i], perm(x[-i]), sep = "_")
        }
        print(y)
    }
}

当我打印我知道要返回的对象时（此处print(x)和print(y)），我将正确的值返回到控制台，就像打印输出一样：

perm(c("a","b","c"))

但是，当我尝试将这些收集到一个向量中时，生成的向量包含的元素比打印的要多许多数量级。我怀疑这与递归有关，但考虑到这些print函数只是被明智地触发，这似乎很奇怪。例如，使用全局变量来跟踪输出以忽略任何范围问题：

out <- c()
perm <- function(x) {
    n <- length(x)
    if (n == 1) {
        assign('out', c(out, x), envir = .GlobalEnv)
    } else {
        y <- NULL
        for (i in 1:n) {
            y <- paste(x[i], perm(x[-i]), sep = "_")
        }
        assign('out', c(out, y), envir = .GlobalEnv)
    }
}

perm(c("a","b","c"))
out

第一个示例仅打印十个值，而在第二个示例中，out长度为 56 并包含第一个示例中未找到的值（例如，"c_c"）。我知道以这种方式分配向量效率非常低，但我只是想弄清楚范围如何工作以及为什么这些结果如此不同。我不会想到该功能会有任何范围问题print，即，每次print(x)或被print(y)触发时，我都希望输出打印到控制台。

当我分配out给父框架而不是全局环境时，也会发生同样的事情，即out <<- c(out, x). 有趣的是，如果我只使用print语法，我可以很容易地计算出大量的组合；但是当使用向量赋值时，超过四个元素的任何东西都会导致递归混乱，从而破坏系统。

所以我想问题是，

  1. 为什么print在同一个地方调用它们时，它似乎比函数更频繁地触发向量分配？

  2. 有没有更好的方法来实现这种功能？

该perm功能基于此博客文章中的功能之一。

标签： rrecursionscope

解决方案

  1. 为什么当它们在同一个地方被调用时，它似乎比 print 函数更频繁地触发向量分配？

问题是在返回赋值print的同时返回第一个参数。assign拿：

b <- assign("a", 2)
b
#R> [1] 2

因此，您的功能应该是：

out <- c()
perm <- function(x) {
  n <- length(x)
  if (n == 1) {
    assign('out', c(out, x), envir = .GlobalEnv)
    x
  } else {
    y <- NULL
    for (i in 1:n) {
      y <- paste(x[i], perm(x[-i]), sep = "_")
    }
    assign('out', c(out, y), envir = .GlobalEnv)
    y
  }
}

perm(c("a","b","c"))
#R> [1] [1] "c_b_a"
out
#R> [1] "c"     "b"     "c_b"   "c"     "a"     "c_a"   "b"     "a"     "b_a"   "c_b_a"

推荐阅读