Führt das Anhängen an eine Liste in R zum Kopieren?

Question

Angenommen, ich habe eine Liste in R erstellen und anhängen wie folgt:

x = list(10) 
x[[2]] = 20 

Ist dies entspricht

x = list(10) 
x = list(10, 20) 

? Ich bin nicht so erfahren mit den besonderen Details, wie R Listen im Gedächtnis behandelt, aber mein begrenztes Verständnis ist, dass es kopierfreudig ist; Was für mich ideal wäre, wäre, dass die erste Option nicht im Wesentlichen das Erstellen einer anderen Liste im Speicher beinhaltet, sondern lediglich dazu führt, dass ein neuer Platz im Speicher für den angehängten Wert reserviert wird. Im Wesentlichen, wenn ich eine große Liste habe, möchte ich nicht, dass R eine weitere Kopie davon macht, wenn ich nur etwas daran anhängen möchte.

Wenn das Verhalten, das ich will, nicht das ist, was hier gegeben wird, gibt es sonst noch eine Möglichkeit, den gewünschten Effekt zu erzielen?

Answer 1

Ich bin ziemlich zuversichtlich, die Antwort ist "Nein". Ich habe den folgenden Code zu überprüfen:

Rprof(tmp <- tempfile(), memory.profiling = TRUE) 

x <- list() 
for (i in 1:100) x[[i]] <- runif(10000) 

Rprof() 
summaryRprof(tmp, memory = "stats") 
unlink(tmp) 

Der Ausgang:

# index: runif 
#  vsize.small max.vsize.small  vsize.large max.vsize.large 
#   76411   381781   424523   1504387 
#   nodes  max.nodes  duplications tot.duplications 
#   2725878   13583136    0    0 
#   samples 
#    5 

Der relevante Teil duplications = 0 zu sein.

Answer 2

Akzeptiert Flodel's Antwort, aber Chases Tipp war gut, also bestätigte ich, dass ich das gewünschte Verhalten mit seinem Vorschlag, tracemem() zu verwenden, habe. Hier ist das erste Beispiel, wo wir gerade in die Liste anhängen:

x = list(10) 
tracemem(x[[1]]) 
# [1] "<0x2d03fa8>" #(likely different on each machine) 
x[[2]] = 20 
tracemem(x[[1]]) 
# [1] "<0x2d03fa8>" 

Und hier ist das Ergebnis aus dem zweiten Beispiel, wo wir zwei Listen erstellen:

x = list(10) 
tracemem(x[[1]]) 
# [1] "<0x2d03c78>" 
x = list(10, 20) 
tracemem(x[[1]]) 
# [1] "<0x2d07ff8>" 

So ist die erste Methode scheint gib das gewünschte Verhalten.

Answer 3

Matthew Dowle Antwort here und die Logik hinter viel Speichereffizienz ist es, die zahlreichen hinter den Kulissen Kopieren von <-, [<-, [[<- und anderen Basis R Operationen (names etc)

[[<- kopiert die gesamte x zu stoppen . Siehe nachstehendes Beispiel

x <- list(20) 
tracemem(x) 
#[1] "<0x2b0e2790>" 
x[[2]] <- 20 
# tracemem[0x2b0e2790 -> 0x2adb7798]: 

Ihr zweiter Fall

x <- list(10,20) 

ist nicht wirklich das Original x anhängen, sondern ersetzt x mit einem Objekt, das die ursprünglichen x mit einem nachgestellten Wert sein geschieht.

Answer 4

Um herauszufinden, ob das Ändern einer Liste eine tiefe Kopie oder eine flache Kopie ist, habe ich ein kleines Experiment eingerichtet.Wenn Modifizieren eine Liste eine tiefe Kopie macht, dann sollte es langsamer sein, wenn Sie eine Liste sind ändern, die ein großes Objekt enthält im Vergleich zu einer Liste, die ein kleines Objekt enthält:

z1 <- list(runif(1e7)) 
z2 <- list(1:10) 

system.time({ 
    for(i in 1:1e4) z1[1 + i] <- 1L 
}) 
# user system elapsed 
# 0.283 0.034 0.317 
system.time({ 
    for(i in 1:1e4) z2[1 + i] <- 1L 
}) 
# user system elapsed 
# 0.284 0.034 0.319 

Die Zeiten auf meinem Computer waren im Grunde identisch, was darauf hindeutet, dass beim Kopieren einer Liste eine flache Kopie erstellt wird, indem Zeiger auf vorhandene Datenstrukturen kopiert werden.