R Academy · 课时

全局作用域与局部作用域

Q: 「全局作用域与局部作用域」课时是免费的吗？

是的 — 「全局作用域与局部作用域」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 R Academy 课程的其余内容，请升级到 CoddyKit PRO。 R Academy 课程共包含 4 节课。

Q: 「全局作用域与局部作用域」这节课中我会学到什么？

区分 .GlobalEnv、函数环境和闭包 你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

Q: 学习 R Academy 需要有经验吗？

无需任何先前经验。CoddyKit 上的 R Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 3 节课，共 4 节。

Q: 「全局作用域与局部作用域」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

Q: 我能在这节 R Academy 课中编写并运行代码吗？

能。每节 R Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

区分 .GlobalEnv、函数环境和闭包

全局作用域与局部作用域 是 CoddyKit 上的免费 R Academy 课时。这是第 3 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 R Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 R Academy 课程共包含 4 节课。

函数中的局部变量

在函数体内使用 <- 或 = 赋值的变量，对于该函数而言是局部变量。它们会在函数自身的环境中创建，并在函数返回时消失。它们绝不会影响调用方的作用域。

x <- 'global'
f <- function() {
  x <- 'local'   # creates a new local binding, does not modify global x
  cat('Inside f: x =', x, '\n')
}
f()
cat('Outside f: x =', x, '\n')  # still 'global'

函数参数是局部变量

函数参数同样是局部变量。在函数内部修改参数，不会影响调用环境中的实参。R 按值传递参数（采用修改时复制语义）。

double_it <- function(n) {
  n <- n * 2      # modifies local copy only
  cat('Inside:', n, '\n')
}
my_n <- 5
double_it(my_n)
cat('Outside:', my_n, '\n')  # still 5

使用 <<- 进行全局赋值

<<-（超级赋值）会沿父环境链向上搜索，并将值赋给找到的第一个匹配项。如果任何位置都不存在匹配项，就会在全局环境中创建该绑定。请谨慎使用它——过度使用 <<- 会使函数难以理解和分析。

total <- 0
add_to_total <- function(x) {
  total <<- total + x
}
add_to_total(10)
add_to_total(25)
add_to_total(5)
cat('Total:', total, '\n')

<<- 沿环境链向上搜索

<<- 不会盲目地赋值给全局环境——它会沿父环境链向上查找，并在名称已经存在的第一个环境中赋值。如果变量存在于某个外围函数中，就会在那里更新它。

outer <- function() {
  n <- 0
  increment <- function() n <<- n + 1
  increment()
  increment()
  cat('n in outer:', n, '\n')  # n was in outer's env, updated there
}
outer()
# n does NOT appear in global env
cat('n in global:', exists('n', envir = globalenv()), '\n')

使用 assign() 明确指定环境

assign('name', value, envir = e) 会直接向指定环境赋值。它比 <<- 更明确；当您拥有一个环境对象并希望精确地在其中设置值时，这个函数非常有用。

my_env <- new.env(parent = emptyenv())
assign('score', 95, envir = my_env)
assign('name', 'Alice', envir = my_env)
cat('score:', get('score', envir = my_env), '\n')
cat('name :', get('name',  envir = my_env), '\n')

local() — 隔离代码块

local({...}) 会在一个全新的局部环境中计算表达式。在代码块中创建的变量不会泄漏到全局环境中。这适合进行不应污染工作区的临时计算。

result <- local({
  temp1 <- 100
  temp2 <- 200
  temp1 + temp2   # the last expression is returned
})
cat('result:', result, '\n')
cat('temp1 in global:', exists('temp1'), '\n')  # FALSE

local() 与函数的隔离效果

local() 和立即调用的函数都可以实现作用域隔离。对于一次性的隔离操作，local() 更简洁；如果希望逻辑可复用或可测试，命名函数会更合适。

# Option A: local()
result_a <- local({
  x <- 7
  y <- 3
  x * y
})
# Option B: immediately invoked function
result_b <- (function() {
  x <- 7
  y <- 3
  x * y
})()
cat(result_a, result_b, '\n')
cat('x in global:', exists('x'), '\n')

在函数中读取全局变量

函数可以读取其外围作用域（无论是全局作用域还是其他作用域）中的变量，而无需特殊语法。这是标准的词法作用域行为。不过，过度依赖全局状态会使函数更难测试——请尽可能优先使用明确的参数。

tax_rate <- 0.20   # global configuration
apply_tax <- function(price) {
  price * (1 + tax_rate)  # reads tax_rate from global
}
cat(apply_tax(100), '\n')
cat(apply_tax(250), '\n')

变量遮蔽

当局部变量与全局变量同名时，局部绑定会遮蔽全局绑定。在函数内部，会使用局部版本，而全局变量不会受到影响。如果无意中这样做，可能会导致隐蔽的错误。

mean <- 99   # shadows base R's mean() function
cat(mean, '\n')   # prints 99, not the function
# To call the real mean, use base:: prefix
cat(base::mean(c(1, 2, 3, 4, 5)), '\n')
rm(mean)   # remove the shadow

function() 环境

每次调用函数时，R 都会为该次调用创建一个新环境，并将函数的外围环境设为其父环境。不同调用中的局部变量互不干扰，递归调用也不例外。

factorial_r <- function(n) {
  # Each recursive call has its own local n
  if (n <= 1) return(1)
  n * factorial_r(n - 1)
}
cat('5! =', factorial_r(5), '\n')
cat('7! =', factorial_r(7), '\n')

使用 rm() 删除变量

rm('name') 或 rm(name) 会从当前环境（或指定环境）中删除一个绑定。您可以使用它清理临时变量。传入 envir = e 可从指定环境中删除绑定。

x <- 42
y <- 'hello'
cat('Before rm:', ls(), '\n')
rm(x)
cat('After rm(x):', exists('x'), '\n')
rm('y')
cat('After rm(y):', exists('y'), '\n')

快速检查

<<- 的作用与普通 <- 有什么不同？

作用域：要点总结

关于全局作用域与局部作用域的要点：

函数中的 <- 会创建局部变量——全局变量不变
函数参数是局部变量；R 按值传递参数（修改时复制）
<<- 会沿父环境链向上查找，并修改第一个匹配的绑定
使用 assign('x', val, envir=e) 可明确指定环境进行赋值
local({...}) 可以提供一次性作用域，而无需创建命名函数
避免遮蔽重要名称（例如 mean、c、T）

# Demonstrate local + <<- cleanly
running_sum <- 0
local({
  values <- c(10, 20, 30, 40)
  for (v in values) running_sum <<- running_sum + v
})
cat('Running sum:', running_sum, '\n')
cat('values in global:', exists('values'), '\n')

常见问题解答