R Academy · Lektion

Hvad er et environment i R?

Udforsk environments som navngivne lister med pegere til forældre.

Lektion 1 af 413 trin

Hvad er et environment i R? er en gratis R Academy-lektion på CoddyKit. Dette er lektion 1 af 4. Du kan læse alle 3 lektioner i dette læringsspor gratis i deres fulde længde — derefter låser CoddyKit PRO alle lektioner op samt praktiske øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Den er en del af læringsforløbet i R Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. R Academy-kurset indeholder 4 lektioner i alt.

Hvad er et miljø

I R er et miljø en samling af navngivne bindinger (som en navngivet liste) samt en peger til et overordnet miljø. Alle variable lever i et miljø. Når R slår et navn op, søger den først i det aktuelle miljø og går derefter op gennem kæden af overordnede miljøer.

# The global environment holds your session variables
x <- 42
cat('x is in globalenv:', exists('x', envir = globalenv()), '\n')
cat('globalenv name:', environmentName(globalenv()), '\n')

globalenv(), baseenv() og emptyenv()

R har flere indbyggede miljøer: globalenv() er dit interaktive arbejdsområde, baseenv() indeholder R's grundfunktioner, og emptyenv() er toppen af kæden uden noget overordnet miljø. Alle miljøkæder ender til sidst ved emptyenv().

cat('global    :', environmentName(globalenv()),  '\n')
cat('base      :', environmentName(baseenv()),    '\n')
cat('empty     :', environmentName(emptyenv()),   '\n')
cat('parent of global:', environmentName(parent.env(globalenv())), '\n')

Miljøkæden

Hvert miljø har præcis ét overordnet miljø, bortset fra emptyenv(). Når R ikke kan finde et navn i det aktuelle miljø, går den til det overordnede miljø, derefter til det overordnede miljøs overordnede miljø og så videre. Det er sådan, R finder variable navne.

# Walk the parent chain from globalenv
env <- globalenv()
for (i in 1:5) {
  cat(sprintf('Level %d: %s\n', i, environmentName(env)))
  if (identical(env, emptyenv())) break
  env <- parent.env(env)
}

environment() for en funktion

Alle funktioner har et tilknyttet miljø — det miljø, de blev oprettet i. environment(f) returnerer dette miljø. Det er funktionens omsluttende miljø og bestemmer, hvor den leder efter frie variable.

f <- function() 'hello'
cat('f was defined in:', environmentName(environment(f)), '\n')

# Inside a function, environment() returns its own env
show_env <- function() {
  cat('my env:', environmentName(environment()), '\n')
}
show_env()

as.list() på et miljø

as.list(env) konverterer et miljøs bindinger til en navngivet liste, hvilket er nyttigt, når du vil undersøge indholdet programmatisk. Hvis du kombinerer den med globalenv(), får du vist alle variable i den aktuelle session.

a <- 10
b <- 'hello'
c_val <- TRUE
# Show current global bindings as list
bindings <- as.list(globalenv())
cat('Names in globalenv:', paste(ls(globalenv()), collapse = ', '), '\n')

ls() — Vis miljøets indhold

ls() viser navnene, der er bundet i et miljø. Som standard viser den det globale miljø. Send envir = e med for at undersøge et bestemt miljø. Tilføj all.names = TRUE for også at medtage navne, der begynder med ..

my_env <- new.env(parent = emptyenv())
my_env$x <- 1
my_env$y <- 'two'
my_env$.hidden <- TRUE
cat('Default ls:', ls(envir = my_env), '\n')
cat('All names :', ls(envir = my_env, all.names = TRUE), '\n')

new.env() — Oprettelse af miljøer

new.env(parent = e) opretter et nyt tomt miljø med den angivne overordnede miljøkontekst. Brug emptyenv() som overordnet miljø, når du ønsker et fuldstændig isoleret miljø uden nedarvede bindinger.

e <- new.env(parent = emptyenv())
e$name  <- 'Alice'
e$score <- 95
cat('Names:', ls(e), '\n')
cat('Name binding:', e$name, '\n')

Miljøer kontra lister

Miljøer ligner navngivne lister, men fungerer anderledes: De ændres altid direkte (ingen kopiering ved ændring), de har en overordnet miljøkontekst, og opslag af navne udføres ved hjælp af en hashtabel (hurtigt). Lister kopieres, når de ændres; det gør miljøer ikke.

# Environments are reference objects (no copy-on-modify)
e <- new.env(parent = emptyenv())
e$x <- 1
f <- e        # f points to same env, not a copy
f$x <- 99
cat('e$x after modifying through f:', e$x, '\n')

exists() og get() i et miljø

exists('name', envir = e) kontrollerer, om et navn er bundet i et miljø (eller som standard i dets overordnede miljøer). get('name', envir = e) henter værdien. Begge accepterer inherits = FALSE for kun at søge i det angivne miljø.

e <- new.env(parent = emptyenv())
e$pi_approx <- 3.14159
cat('exists pi_approx:', exists('pi_approx', envir = e), '\n')
cat('exists missing:  ', exists('missing_var', envir = e), '\n')
cat('get pi_approx:   ', get('pi_approx', envir = e), '\n')

environmentName() for indbyggede miljøer

environmentName(env) returnerer det læsevenlige navn på særlige miljøer. Brugeroprettede miljøer returnerer '' (tom streng). Det hjælper dig med at spore, hvor variabler blev defineret under fejlfinding.

cat(environmentName(globalenv()),    '\n')  # R_GlobalEnv
cat(environmentName(baseenv()),      '\n')  # package:base
cat(environmentName(emptyenv()),     '\n')  # R_EmptyEnv
e <- new.env(parent = emptyenv())
cat('User env name: "', environmentName(e), '"\n', sep = '')

Praktisk: Brug af miljøer som cacher

Fordi miljøer ændres direkte, fungerer de godt som ændringsbare cacher eller hashtabeller. Gem beregnede resultater i et miljø for at undgå at beregne dem igen — det er hurtigere end at ændre en liste (som kopieres).

cache <- new.env(parent = emptyenv(), hash = TRUE)
cached_square <- function(n) {
  key <- as.character(n)
  if (exists(key, envir = cache, inherits = FALSE))
    return(get(key, envir = cache))
  result <- n^2
  assign(key, result, envir = cache)
  result
}
cat(cached_square(7), '\n')
cat(cached_square(7), '\n')  # served from cache

Hurtigt tjek

Hvad er det øverste miljø i R's miljøkæde — det, der ikke har noget overordnet miljø?

Besvar den i den interaktive lektion

Miljøer: Vigtigste pointer

Vigtigste pointer om R-miljøer:

Et miljø = navngivne bindinger + en peger til det overordnede miljø
globalenv() = dit arbejdsområde; baseenv() = R's grundmiljø; emptyenv() = kædens slutpunkt
Opslag af navne bevæger sig op gennem kæden af overordnede miljøer, indtil navnet findes, eller emptyenv() nås
ls(envir=e) viser bindinger; exists() kontrollerer; get() henter
Miljøer er referenceobjekter — ingen kopiering ved ændring
new.env(parent=emptyenv()) opretter et isoleret miljø

e <- new.env(parent = emptyenv())
assign('counter', 0L, envir = e)
for (i in 1:5) assign('counter', e$counter + 1L, envir = e)
cat('Counter:', e$counter, '\n')
cat('Env name:', environmentName(e), '\n')
cat('Bindings:', ls(e), '\n')

Gratis at komme i gang

Lær R med en AI-underviser — gratis

Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.

Kurser: 43
Lektioner: 159

Start gratis Se hele kurset

Ofte stillede spørgsmål

Er lektionen “Hvad er et environment i R?” gratis?

Ja — alle 3 lektioner i læringssporet R Academy, inklusive “Hvad er et environment i R?”, kan læses gratis i deres fulde længde her på webstedet. Derefter låser CoddyKit PRO alle lektioner op samt interaktive øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. R Academy-kurset indeholder 4 lektioner i alt.

Hvad lærer jeg i “Hvad er et environment i R?”?

Udforsk environments som navngivne lister med pegere til forældre. Du øver dig i R Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.

Skal jeg have erfaring for at begynde på R Academy?

Der kræves ingen tidligere erfaring. R Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 1 af 4.

Hvor lang tid tager lektionen “Hvad er et environment i R?”?

De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.

Kan jeg skrive og køre kode i denne R Academy-lektion?

Ja. Alle R Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.

Alle lektioner i dette kursus

Hvad er et environment i R?
Regler for leksikalsk scope
Globalt kontra lokalt scope
Oprettelse og inspektion af environments

← Tilbage til R Academy