R 環境空間與函數

函數的傳遞與使用

R 的函數也可以像一般的變數一樣，當作參數傳入其他的函數中使用，或是作為函數的傳回值。最簡單的例子就是 do.call 函數，它提供了另外一種函數的呼叫方式，可以讓使用者將參數以列表變數的方式傳入：

do.call(hypotenuse, list(x = 3, y = 4))

[1] 5

這樣的效果相當於直接呼叫：

hypotenuse(x = 3, y = 4)

在將函數當作參數使用時，不一定要先建立具名的函數，假設我們自訂一個函數為 my.plus，將其傳入 do.call 中使用：

my.plus <- function(x, y) x + y
do.call(my.plus, list(1, 2))

[1] 3

我們可以改用匿名函數的方式，讓程式碼更簡潔：

do.call(function(x, y) x + y, list(1, 2))

[1] 3

將函數作為傳回值的狀況比較少見，ecdf 這個計算 empirical cumulative distribution function 的函數是一個比較有可能會遇到的例子：

x <- rnorm(50)
x.ecdf <- ecdf(x)
is.function(x.ecdf)

[1] TRUE

x.ecdf(-1.3)

[1] 0.02

變數範圍

變數範圍（variable scope）是指一個變數的存在範圍，亦即變數可以被使用的區域。

R 在取用變數時，會依循環境空間的繼承性原則，先從目前的環境空間中尋找變數，若目前的環境空間中沒有要找的變數，就會循著母環境空間持續往上尋找，直到找到符合的變數為止。

依據 R 環境空間的繼承性原則，在函數中我們可以直接取用外部全域的變數：

x.out <- 8
my.func <- function() {
  message("x.out is ", x.out)
}
my.func()

x.out is 8

當我們在 my.func 函數中取用 x.out 這個變數時，R 會先在 my.func 的環境空間中尋找 x.out 這個變數，當發現這個變數不存在時，就會繼續從它的母環境空間中尋找，也就是全域環境空間（global environment），最後取得在全域環境空間中所定義的 x.out。

全域環境空間中所定義的變數，在任何地方都可以被使用，所以定義在全域環境空間中的變數也稱為全域變數（global variables），而定義在一般函數中的變數，則稱為區域變數（local variables）。

若在一個函數中建立一個變數後，可以在函數的內部使用該變數，但在此函數的外部就無法使用：

my.func <- function() {
  x.in.func <- 12
  message("x.in.func is ", x.in.func)
}
my.func()

x.in.func is 12

如果在函數外部就無法存取 x.in.func 這個函數內部的變數：

message("x.in.func is ", x.in.func)

Error in message("x.in.func is ", x.in.func) : 找不到物件 'x.in.func'

如果在一個函數中又建立了一個子函數，則在子函數中可以直接取用上層函數中的變數：

f <- function(x)
{
  y <- 1
  g <- function(x)
  {
    (x + y) / 2
  }
  g(x)
}
f(5)

[1] 3

若我們將 g 函數移到 f 函數之外，這樣的話 g 函數就不是 f 的子函數，也就無法取得 f 函數內部的變數：

f <- function(x)
{
  y <- 1
  g(x)
}
g <- function(x)
{
  (x + y) / 2
}
f(5)

Error in g(x) : 找不到物件 'y'

環境空間的繼承性原則可以讓 R 的程式開發者更容易撰寫程式，不過也時常會帶來一些困擾，讓程式碼變得難以維護，假設有一個 h 函數定義如下：

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

乍看之下，這個 h 函數中的 y 變數沒有定義，應該無法執行，若在一個乾淨的 R 執行環境之下，會產生找不到 y 變數的錯誤：

h(3)

Error in h(3) : 找不到物件 'y'

但是如果我們在全域環境空間中建立一個 y 變數，狀況就會改觀了：

y <- 1:3
h(3)

[1] 4 5 6

原本應該會產生錯誤的函數，現在變成可以正常執行了，這是因為 R 在執行 h 函數時，當發現 h 函數中無法找到 y 這個變數的定義時，就會循著 h 函數上層的環境空間來尋找，由於我們在全域環境空間中建立了一個 y 變數，所以 R 就會直接取用這個 y 全域變數。

當開發大型程式時，要小心使用全域變數，否則很容易讓程式產生很多 bugs，而且也非常難維護。我們來看下面這個例子：

h2 <- function(x)
{
  if (runif(1) > 0.5) y <- 2
  x * y
}

在這個例子，y 有一半的機率會在 h2 被定義，如果 h2 函數中有定義 y，它就會使用 h2 自己定義的 y，若 h2 函數中沒有定義自己的 y 變數，就會使用全域的 y 變數，相信大家都可以看得出來，這樣的程式碼架構是很容易出現 bugs 的。

通常在撰寫 R 程式時，應該盡可能將所有需要使用到的變數都透過參數來傳遞，不要使用全域變數的方式來取得，以降低程式出錯的機率與維護的成本。