수색…


해시 맵으로서의 환경

주 : 후속 구절에서 해시 맵해시 테이블 이라는 용어는 같은 의미로 사용되며, 즉 내부 해시 함수를 사용하여 효율적인 키 검색을 제공하는 데이터 구조를 나타냅니다.

소개

R은 기본 해시 테이블 구조를 제공하지 않지만 new.env 에서 반환 된 environment 객체 (기본적으로)가 해시 된 키 조회를 제공한다는 사실을 이용하여 비슷한 기능을 구현할 수 있습니다. 다음 두 문은 동등합니다. hash 매개 변수의 기본값은 TRUE .

H <- new.env(hash = TRUE)
H <- new.env() 

또한, 내부 해시 테이블이 기본값 29를 갖는 size 매개 변수를 통해 특정 크기로 미리 할당되도록 지정할 수 있습니다. 다른 모든 R 개체와 마찬가지로 environment 은 자체 메모리를 관리하며 필요에 따라 용량이 커집니다 따라서 size 기본값이 아닌 값을 요청할 필요는 없지만 개체에 매우 많은 수의 요소가 포함될 경우 약간의 성능 이점이있을 수 있습니다. size 를 통해 여분의 공간을 할당해도 그 자체로 더 큰 메모리 공간을 가진 객체가 생성되지 않는다는 점에 주목할 필요가 있습니다.

object.size(new.env())
# 56 bytes

object.size(new.env(size = 10e4))
# 56 bytes 

삽입

요소의 삽입을 사용하여 수행 할 수의 중 하나 [[<- 또는 $<- 제공 방법 environment ,하지만 "단일 브래킷"할당을 사용하여 클래스 ( [<- ) :

H <- new.env()

H[["key"]] <- rnorm(1)

key2 <- "xyz"
H[[key2]] <- data.frame(x = 1:3, y = letters[1:3])

H$another_key <- matrix(rbinom(9, 1, 0.5) > 0, nrow = 3)

H["error"] <- 42
#Error in H["error"] <- 42 : 
#  object of type 'environment' is not subsettable 

R의 다른 패싯과 마찬가지로, 첫 번째 방법 ( object[[key]] <- value )은 일반적으로 두 번째 ( object$key <- value )보다 선호되기 때문에 전자의 경우 리터럴 값 대신 변수를 사용할 수 있습니다 (예 : 위의 예에서 key2 ).

일반적으로 해시 맵 구현의 경우와 같이, environment 객체는 중복 키를 저장 하지 않습니다 . 기존 키에 대한 키 - 값 쌍을 삽입하려고하면 이전에 저장된 값이 바뀝니다.

H[["key3"]] <- "original value"

H[["key3"]] <- "new value"

H[["key3"]]
#[1] "new value"

주요 조회

마찬가지로 요소는 [[ 또는 $ ,하지만 [ :

H[["key"]]
#[1] 1.630631
 
H[[key2]]   ## assuming key2 <- "xyz"
#   x y
# 1 1 a
# 2 2 b
# 3 3 c

H$another_key
#       [,1]  [,2]  [,3]
# [1,]  TRUE  TRUE  TRUE
# [2,] FALSE FALSE FALSE
# [3,]  TRUE  TRUE  TRUE

H[1]
#Error in H[1] : object of type 'environment' is not subsettable

해시지도 검사

일반 environment 이므로 해시 맵은 일반적인 방법으로 검사 할 수 있습니다.

names(H)
#[1] "another_key" "xyz"         "key"         "key3"       

ls(H)
#[1] "another_key" "key"         "key3"        "xyz"        
 
str(H)
#<environment: 0x7828228> 
 
ls.str(H)
# another_key :  logi [1:3, 1:3] TRUE FALSE TRUE TRUE FALSE TRUE ...
# key :  num 1.63
# key3 :  chr "new value"
# xyz : 'data.frame':    3 obs. of  2 variables:
#  $ x: int  1 2 3
#  $ y: chr  "a" "b" "c"

rm 사용하여 요소를 제거 할 수 있습니다.

rm(list = c("key", "key3"), envir = H)

ls.str(H)
# another_key :  logi [1:3, 1:3] TRUE FALSE TRUE TRUE FALSE TRUE ...
# xyz : 'data.frame':    3 obs. of  2 variables:
#  $ x: int  1 2 3
#  $ y: chr  "a" "b" "c"

적응성

environment 객체를 해시 테이블로 사용하면 얻을 수있는 주요 이점 중 하나는 사실상 모든 유형의 객체를 값, 심지어 다른 environment 에도 저장할 수 있다는 것입니다.

H2 <- new.env()

H2[["a"]] <- LETTERS
H2[["b"]] <- as.list(x = 1:5, y = matrix(rnorm(10), 2))
H2[["c"]] <- head(mtcars, 3)
H2[["d"]] <- Sys.Date()
H2[["e"]] <- Sys.time()
H2[["f"]] <- (function() {
    H3 <- new.env()
    for (i in seq_along(names(H2))) {
        H3[[names(H2)[i]]] <- H2[[names(H2)[i]]]
    }
    H3
})()

ls.str(H2)
# a :  chr [1:26] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" ...
# b : List of 5
#  $ : int 1
#  $ : int 2
#  $ : int 3
#  $ : int 4
#  $ : int 5
# c : 'data.frame':    3 obs. of  11 variables:
#  $ mpg : num  21 21 22.8
#  $ cyl : num  6 6 4
#  $ disp: num  160 160 108
#  $ hp  : num  110 110 93
#  $ drat: num  3.9 3.9 3.85
#  $ wt  : num  2.62 2.88 2.32
#  $ qsec: num  16.5 17 18.6
#  $ vs  : num  0 0 1
#  $ am  : num  1 1 1
#  $ gear: num  4 4 4
#  $ carb: num  4 4 1
# d :  Date[1:1], format: "2016-08-03"
# e :  POSIXct[1:1], format: "2016-08-03 19:25:14"
# f : <environment: 0x91a7cb8> 

ls.str(H2$f)
# a :  chr [1:26] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" ...
# b : List of 5
#  $ : int 1
#  $ : int 2
#  $ : int 3
#  $ : int 4
#  $ : int 5
# c : 'data.frame':    3 obs. of  11 variables:
#  $ mpg : num  21 21 22.8
#  $ cyl : num  6 6 4
#  $ disp: num  160 160 108
#  $ hp  : num  110 110 93
#  $ drat: num  3.9 3.9 3.85
#  $ wt  : num  2.62 2.88 2.32
#  $ qsec: num  16.5 17 18.6
#  $ vs  : num  0 0 1
#  $ am  : num  1 1 1
#  $ gear: num  4 4 4
#  $ carb: num  4 4 1
# d :  Date[1:1], format: "2016-08-03"
# e :  POSIXct[1:1], format: "2016-08-03 19:25:14"

제한 사항

environment 객체를 해시 맵으로 사용하는 주요 제한 사항 중 하나는 R의 여러 측면과 달리 요소 조회 / 삽입에 벡터화가 지원되지 않는다는 것입니다.

names(H2)
#[1] "a" "b" "c" "d" "e" "f"

H2[[c("a", "b")]]
#Error in H2[[c("a", "b")]] : 
#  wrong arguments for subsetting an environment
 
Keys <- c("a", "b")
H2[[Keys]]
#Error in H2[[Keys]] : wrong arguments for subsetting an environment

객체에 저장되는 데이터의 특성에 따라 vapply 또는 list2env 를 사용하여 여러 요소를 한꺼번에 할당 할 수 있습니다.

E1 <- new.env()
invisible({
    vapply(letters, function(x) {
        E1[[x]] <- rnorm(1)
        logical(0)
    }, FUN.VALUE = logical(0))
})

all.equal(sort(names(E1)), letters)
#[1] TRUE

Keys <- letters
E2 <- list2env(
    setNames(
        as.list(rnorm(26)),
        nm = Keys), 
    envir = NULL,
    hash = TRUE
)

all.equal(sort(names(E2)), letters)
#[1] TRUE

위의 어느 것도 특히 간결하지만 키 - 값 쌍의 수가 큰 경우 for 루프 등을 사용하는 것이 더 좋을 수 있습니다.

패키지 : 해시

해시 패키지 는 R에서 해시 구조를 제공합니다. 그러나 삽입 및 읽기 모두에 대한 타이밍 용어는 환경을 해시로 사용하는 것과 비교할 만합니다. 이 문서는 단순히 그 존재를 인정하고 위의 이유로 아래의 샘플 타이밍 코드를 제공합니다. 해시가 오늘날 R 코드의 적절한 솔루션 인 경우는 확인되지 않았습니다.

중히 여기다:

# Generic unique string generator
unique_strings <- function(n){
    string_i <- 1
    string_len <- 1
    ans <- character(n)
    chars <- c(letters,LETTERS)
    new_strings <- function(len,pfx){
    for(i in 1:length(chars)){
        if (len == 1){
        ans[string_i] <<- paste(pfx,chars[i],sep='')
        string_i <<- string_i + 1
        } else {
        new_strings(len-1,pfx=paste(pfx,chars[i],sep=''))
        }
        if (string_i > n) return ()
    }
    }
    while(string_i <= n){
    new_strings(string_len,'')
    string_len <- string_len + 1
    }
    sample(ans)
}

# Generate timings using an enviornment
timingsEnv <- plyr::adply(2^(10:15),.mar=1,.fun=function(i){
    strings <- unique_strings(i)
    ht1 <- new.env(hash=TRUE)
    lapply(strings, function(s){ ht1[[s]] <<- 0L})
    data.frame(
    size=c(i,i),
    seconds=c(
        system.time(for (j in 1:i) ht1[[strings[j]]]==0L)[3]),
    type = c('1_hashedEnv')
    )
})

timingsHash <- plyr::adply(2^(10:15),.mar=1,.fun=function(i){
    strings <- unique_strings(i)
    ht <- hash::hash()
    lapply(strings, function(s) ht[[s]] <<- 0L)
    data.frame(
    size=c(i,i),
    seconds=c(
        system.time(for (j in 1:i) ht[[strings[j]]]==0L)[3]),
    type = c('3_stringHash')
    )
})

패키지 : listenv

package:listenv 는 환경에 대해리스트와 같은 인터페이스를 구현하지만, 해시와 같은 목적을위한 환경에 비례 한 성능은 해시 검색에서 좋지 않습니다. 그러나 인덱스가 숫자 인 경우 검색시 매우 빠를 수 있습니다. 그러나 그들은 package:future 와의 호환성 package:future 와 같은 다른 장점을 가지고 package:future . 이 패키지를 그 목적으로 사용하는 것은 현재 주제의 범위를 넘어갑니다. 그러나 여기에 제공된 타이밍 코드는 쓰기 타이밍을위한 package : hash 예제와 함께 사용할 수 있습니다.

timingsListEnv <- plyr::adply(2^(10:15),.mar=1,.fun=function(i){
    strings <- unique_strings(i)
    le <- listenv::listenv()
    lapply(strings, function(s) le[[s]] <<- 0L)
    data.frame(
    size=c(i,i),
    seconds=c(
        system.time(for (k in 1:i) le[[k]]==0L)[3]),
    type = c('2_numericListEnv')
    )
})


Modified text is an extract of the original Stack Overflow Documentation
아래 라이선스 CC BY-SA 3.0
와 제휴하지 않음 Stack Overflow