何时使用缺失值与空值来传递R中未定义的函数参数 [英] When to using missing versus NULL values for passing undefined function arguments in R

问题描述

在编写R函数时，我已经将未定义的参数
作为NULL值传递，然后测试它们是否为NULL，即

  fun < -  function（x = NULL）{
 if（is.null（x））
 ... 
} 
  

然而，我最近发现将未定义的参数作为缺失传递的可能性，即

  fun < -  function（x）{
 if（missing（x））
 ... 
} 
  

R文件指出

目前只能使用缺失在
的直接主体中定义参数的函数，不在
嵌套函数或本地调用的主体中。这可能会在未来发生变化。

显然，这是使用缺少值来确定未定义值的一个缺点，有没有其他人或意识到？或者用更有用的形式来描述问题什么时候使用缺失值和空值来传递R中未定义的函数参数？为什么？

解决方案 （x）似乎比使用默认参数< x 等于 NULL 。

 > require（'microbenchmark'）
> f1<  - 函数（x = NULL）is.null（x）
> f2<  - 函数（x）缺失（x）
 
> microbenchmark（f1（1），f2（1））
单位：纳秒
 expr min lq中值uq max neval 
 f1（1）615 631 647.5 800.5 3024 100 
 f2 1）497 511 567.0 755.5 7916 100 
 
>微单位标记（f1（），f2（））
单位：纳秒
 expr分钟lq中位数uq max neval 
 f1（）589 619 627 745.5 3561 100 
 f2（）437 448 463 479.0 2869 100 
  

请注意，在 f1 如果您拨打电话 f1（），则 x 仍然报告为丢失，但它的值可能会在 f1 中读取。

第二种情况比第一种更普遍。 missing（）表示用户没有传递任何值。 is.null（）（with NULL default arg）表明用户要么没有传递任何东西，要么他/她通过 NULL 。

顺便说一句， plot.default（）和 chisq.test（）使用 NULL 作为第二个参数。另一方面，对于<$ c $ getS3method（'t.test'，'default'）使用 NULL c> y 参数和 missing（）用于 mu （为了做好准备很多使用场景）。

我认为一些R用户会喜欢 f1 类型的函数，特别是在处理 * apply family：

  sapply（list（1，NULL， 2，NULL），f1）
  

实现 f2 情况并非如此简单。

To date when writing R functions I've passed undefined arguments as NULL values and then tested whether they are NULL i.e.

fun <- function (x = NULL) {
   if(is.null(x))
      ...
}

However I recently discovered the possibility of passing undefined arguments as missing i.e.

fun <- function (x) {
   if(missing(x))
      ...
}

The R documentation states that

Currently missing can only be used in the immediate body of the function that defines the argument, not in the body of a nested function or a local call. This may change in the future.

Clearly this is one disadvantage of using missing to determine undefined values are there any others people or aware of? Or to phrase the question in a more useful form "When do you use missing versus NULL values for passing undefined function arguments in R and why?"

解决方案

missing(x) seems to be a bit faster than using default arg to x equal to NULL.

> require('microbenchmark')
> f1 <- function(x=NULL) is.null(x)
> f2 <- function(x) missing(x)

> microbenchmark(f1(1), f2(1))
Unit: nanoseconds
  expr min  lq median    uq  max neval
 f1(1) 615 631  647.5 800.5 3024   100
 f2(1) 497 511  567.0 755.5 7916   100

> microbenchmark(f1(), f2())
Unit: nanoseconds
 expr min  lq median    uq  max neval
 f1() 589 619    627 745.5 3561   100
 f2() 437 448    463 479.0 2869   100

Note that in the f1 case x is still reported as missing if you make a call f1(), but it has a value that may be read within f1.

The second case is more general than the first one. missing() just means that the user did not pass any value. is.null() (with NULL default arg) states that the user either did not pass anything or he/she passed NULL.

By the way, plot.default() and chisq.test() use NULL for their second arguments. On the other hand, getS3method('t.test', 'default') uses NULL for y argument and missing() for mu (in order to be prepared for many usage scenarios).

I think that some R users will prefer f1-type functions, especially when working with the *apply family:

sapply(list(1, NULL, 2, NULL), f1)

Achieving that in the f2 case is not so straightforward.

这篇关于何时使用缺失值与空值来传递R中未定义的函数参数的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！