链接环境

环境有父环境，如果一个符号不存在于环境中，R 就会到它的父环境中查找。假设我
们对环境中的一个变量使用 get( ) 函数。如果在此环境中找到该变量，则获取其值，否
则函数将会在父环境中查找该变量。
和前面创建环境 e1 一样，我们再创建一个新的环境 e2，令 e1 为 e2 的父环境：
e2 <- new.env(parent = e1)
不同的环境有不同的内存地址：
e2
## <environment: 0x000000001772ef70>
e1
## <environment: 0x0000000014a45748>
根据定义，e1 为 e2 的父环境，那么 e2 的父环境的内存地址应该和 e1 一致，我们可
以通过 parent.env( ) 函数来验证：
parent.env(e2)
## <environment: 0x0000000014a45748>
现在，我们在环境 e2 中创建一个变量 y：
e2$y <- 2
使用 ls( ) 函数检查 e2 中的所有变量名：
ls(e2)
## [1] "y"
同样，也可以用 $、[[、exists( ) 或 get( ) 来访问变量的值：
e2$y
## [1] 2
e2[["y"]]
## [1] 2
exists("y", e2)
## [1] TRUE
get("y", e2)
## [1] 2
然而，提取操作符（$ 和 [[）和环境访问函数有一个明显的区别。操作符只在单个环
境域内可用，而函数在一个环境链上都可用。
注意，我们没有在 e2 中定义名为 x 的变量。毫无意外，用两个操作符提取 x 都会得
到 NULL：
e2$x
## NULL
e2[["x"]]
## NULL
当我们使用 exists( ) 和 get( ) 函数时，父环境就派上用场了。由于在 e2 中没
能找到 x，函数就会继续在父环境 e1 中寻找：
exists("x", e2)
## [1] TRUE
get("x", e2)
## [1] 1
这就是调用这两个函数都能得到有效结果的原因。如果不想让函数搜索父环境，可以
设置 inherits = FALSE。在这种情况下，就算在给定环境中没有找到变量，函数也不
会继续搜索父环境，因此 exists( ) 返回值为 FALSE：
exists("x", e2, inherits = FALSE)
## [1] FALSE
而调用 get( ) 函数则会报错：
get("x", e2, inherits = FALSE)
## Error in get("x", e2, inherits = FALSE): 找不到对象'x'
环境链可以有很多层。例如创建一个环境 e3，令 e2 为其父环境。当对 e3 中的一个
变量调用 get( ) 函数时，它将沿着环境链搜索。
1．在引用语义下使用环境
环境具有引用语义。这意味着，与原子向量和列表等数据类型不同，修改环境时不会
复制该环境，无论它有多个名称还是作为参数传递给函数。
例如，我们将 e1 的值赋给另一个变量 e3：
ls(e1)
## [1] "x"
e3 <- e1
如果我们有两个变量指向同一个列表，修改其中一个变量，首先会创建一个列表副本，
然后再修改这个列表的副本，而不影响原始列表。引用语义则不同。当我们通过任意一个
变量修改环境时，不会创建环境副本。因此，可以通过 e1 和 e3 观察变化，因为它们指向
完全相同的环境。以下代码演示了引用语义是如何工作的：
e3$y
## NULL
e1$y <- 2
e3$y
## [1] 2
首先 e3 中没有定义 y。接着我们在 e1 中创建了一个新的变量 y。由于 e1 和 e3 指向
完全相同的环境，便可以通过 e3 访问 y。
将一个环境作为参数传递给一个函数时也会发生同样的情况。假设我们定义了如下函
数，将 e 中的 z 设为 10：
modify <- function(e) {
e$z <- 10
}
可以将一个列表传递给这个函数，但修改不会生效。相反，函数会创建并修改一个
局
部副本，只是这个副本在函数调用结束后便丢失了：
list1 <- list(x = 1, y = 2)
list1$z
## NULL
modify(list1)
list1$z
## NULL
然而，如果将一个环境传递给函数，修改环境不会产生局部副本，而是在环境中直接
创建一个新变量 z：
e1$z
## NULL
modify(e1)
e1$z
## [1] 10
2．内置环境
环境是 R 中一种特殊类型的对象，但从实现函数调用到词法作用域机制，无一不是基
于环境实现的。事实上，一段 R 代码的运行就是在一个环境中进行的。要想知道我们是在
哪个环境中运行代码，可以调用 environment( ) 函数：
environment()
## <environment: R_GlobalEnv>
结果显示当前环境就是全局环境。事实上，每次新开启一个可供用户输入的 R 会话，
其工作环境都是全局环境。在做数据分析时，我们通常都是在这个环境中创建变量和函数。
正如前面的例子所示，环境也是可以创建和使用的对象。例如，我们可以将当前环境
赋值给变量，并在此环境中创建新的符号：
global <- environment()
global$some_obj <- 1
上述赋值等价于直接调用 some_obj <- 1，因为这已经在全局环境中了。只要运行
上面的代码，全局环境就会被修改，且 some_obj 会获取一个值：
some_obj
## [1] 1
还有其他方法可以访问全局环境。例如，globalenv( ) 和 .GlobalEnv：
globalenv()
## <environment: R_GlobalEnv>
.GlobalEnv
## <environment: R_GlobalEnv>
全局环境（globalenv( )）是用户的工作空间，而基础环境（baseenv( )）则提
供基础函数和运算符：
baseenv()
## <environment: base>
如果在 RStudio 编译器中输入 base::，会出现一长串函数。我们在前面章节中介绍的
大多数函数都是在基础环境中定义的，例如用于创建基本数据结构的函数（例如 list( )
和 data.frame( )）和运算符（例如 [ 、: 和 +）。
全局环境和基础环境是最重要的内置环境。你可能会问“谁是全局环境的父环境？谁又
是基础环境的父环境？它们的父环境的父环境呢？”
我们可以用以下函数找出给定环境的环境链：
parents <- function(env) {
while (TRUE) {
name <- environmentName(env)
txt <- if (nzchar(name)) name else format(env)
cat(txt, "\n")
env <- parent.env(env)
}
}
此函数依次输出每个环境及其父环境的名称，现在可以找出全局环境所有层级的父
环境：
parents(globalenv())
## R_GlobalEnv
## package:stats
## package:graphics
## package:grDevices
## package:utils
## package:datasets
## package:methods
## Autoloads
## base
## R_EmptyEnv
## Error in parent.env(env): the empty environment has no parent
我们注意到环境链终止于一个名为空环境（empty environment）的环境，它是唯一一个没
有任何绑定且没有父环境的环境。我们还可以通过 emptyenv( ) 函数查看空环境，但是调
用 parent.env(emptyenv( )) 则会报错。这也是 parents( ) 函数最终总会报错的原因。
环境链是内置环境和扩展包环境的组合。调用 search( ) 函数从全局环境的视角来
获取查找符号的搜索路径：
search()
## [1] ".GlobalEnv" "package:stats"
## [3] "package:graphics" "package:grDevices"
## [5] "package:utils" "package:datasets"
## [7] "package:methods" "Autoloads"
## [9] "package:base"
明白了查找符号是沿着环境链的路径进行的，我们就能明白以下代码在全局环境中的
具体计算过程：
median(c(1, 2, 1+3))
表达式看起来很简单，但是计算过程要复杂得多。首先，R 在环境链中寻找 median( )
函数，此函数在 stats 包的环境中。然后在基础环境中找到 c( ) 函数。最终，可能会令
你感到惊讶的是还需要找到 +（这也是一个函数！），它也在基础环境中。
事实上，每当你加载一个扩展包，这个包的环境都会插入搜索路径，并位于全局环境
之前。如果需要调用两个包中的同名函数，则会优先选取后加载的包中定义的函数（后添
加包的同名函数会屏蔽掉之前包中的函数），因为后加载的包更接近全局环境。