你知道R中的賦值符號箭頭和等號的區別嗎？
作者：陳亮
單位：中國科學院微生物研究所
你知道R中的賦值符號箭頭(<-)和等號（=）的區別嗎？
作為一門高階語言，R語言擁有獨特的語法，比如今天說道的賦值符號。在其他語言裡，賦值符合通常用一個等號(=)表示，而在R語言裡，承擔這個任務的可以是箭頭(<-)符號，也可以是等號（=）。這就導致許多R語言初學者，分不清R語言中的賦值到底是使用箭頭（<-）還是等號（=）？許多早期學習R的童鞋都比較喜歡使用等號（=）進行賦值。畢竟，簡簡單單的a = 5用起來比較符合大多數現有語言的習慣。出於對某種賦值方式的偏好，甚至出現了等號黨和箭頭黨，但是到底孰好孰壞，顯然爭不出任何結果，相對來說更重要的是瞭解這兩者的區別。只有我們深刻理解了其相同與不同之後，才能更好的運用他們。
R語言最開始設計的時候，是採用箭頭（<-）作為賦值符號的，這是從APL語言繼承而來的（箭頭表示賦值，等號表示判斷）。之後的S語言也沿用了這個用法，再之後R語言為了保持和S語言的相容性保留了這個箭頭。直到2001年，R的更新版本中 才加入了等號（=）賦值。因此，對於一般的賦值語句，箭頭（<-）與 等號（=）在 功能上是沒有區別的，可以通用。但是等號(=)的作用有兩個：它既可以賦值，也可以傳遞函式引數（實際上傳參可以看作一種特殊形式的賦值，給引數賦值）。通常情況下，如果等號（=）出現在單獨的環境中，它就是賦值；如果寫在函式的引數位置，它就是傳參。如果你在設定引數的時候使用了箭頭(<-)，那麼你會發現在全域性變數裡，會多出一個和引數名相同的賦值的變數，容易導致歧義和錯誤，而且佔用名稱空間。
下面，我們通過幾個個例子來具體講一下這兩個函式的區別。
箭頭(<-)和等號（=）賦值在作用域上的不同。
箭頭(<-)建立的變數的作用範圍為整個全域性環境（Global environment），而等號（=）通常在一個區域性環境(Local environment)。例如：> rm(x) ## 如果變數 x 存在的話，先刪除此變數 > mean(x = 1:10) [1] 5.5 > x Error: object 'x' not found在以上範例裡，變數 x 是在函式的作用域裡進行宣告的，所以它只存在於此函式中，一旦運算完成便“消失”。
> mean(x <- 1:10) [1] 5.5 > x [1] 1 2 3 4 5 6 7 8 9 10而採用箭頭(<-)賦值，x 變數則出現在了Global Environment 裡，並且我們可以呼叫它。 在此例中，實際上是先構建了x變數，再將x傳遞給mean函式的第一個引數，我們看到，採用這種方式，程式也正確運行了，但是採用箭頭(<-)賦值的方式去傳參時要非常小心。可以看下面例子中引起錯誤地情況。
箭頭(<-)和等號（=）在引數傳遞時的區別
> x <- rnorm(100) # 採用箭頭(<-)進行變數賦值 > y <- 2*x + rnorm(100) # 採用箭頭(<-)進行變數賦值 > lm(formula=y~x) #上面的程式碼完全等價於下面的程式碼 > x = rnorm(100) # 採用等號（=）進行變數賦值 > y = 2*x + rnorm(100) # 採用等號（=）進行變數賦值 > lm(formula=y~x)兩段程式碼中前兩行都是賦值語句，分別為x變數和y變數賦值，此時等號（=）與箭頭(<-)的功能相同，作用域也相同，因為等號（=）賦值是在全域性環境中進行的，而程式碼第三行中的等號（=）則是呼叫函式時規定命名引數，這就是通常情況下，我們直接將y~x這個公式直接傳遞給lm函式的第一個引數，也就是formula引數的用法。如果此時我們將等號（=）替換成箭頭（<-），則會在全域性環境中定義出一個新的formula變數，然後再將這個變數傳遞給了lm函式的第一個引數。如果是我們有意這麼做的話，就需要保證命名引數的順序和函式中定義引數的順序相同，否則就會出現錯誤，或者將名稱相同的變數傳遞給了錯誤的引數（但程式可能正常執行），導致結果錯誤。下面的例子可以突出了這種差別：
> x <- rnorm(100) > y <- 2*x+rnorm(100) > z <- 3*x+rnorm(100) > data <- data.frame(z,x,y) > rm(x, y, z)此時，環境中已經沒有x，y，z變數，就只有變數data可以用來做z~x+y的線性迴歸。標準寫法：
> lm(formula=z~x+y,data = data) #也可以寫成如下形式： > lm(data=data,formula=z~x+y)當我們將等號（=）替換成箭頭（<-）時，正確的命名引數傳遞應該按函式引數順序來逐個傳參：
> lm(formula <- z~x+y, data <- data) Call: lm(formula = formula <- z ~ x + y, data = data <- data) Coefficients: (Intercept) x y 0.069869 3.062565 0.007503 > formula z ~ x + y執行也不會出錯，但是我們會發現函式實際上是呼叫的lm(formula = formula <- z ~ x + y, data = data <- data)，這時產生了一個新的變數formula到環境中，並且在全域性環境中就可以使用(實際上data變數也被更新了）。
但是如果我們對lm函式的引數順序不瞭解或者由於馬虎搞錯了引數順序，這個時候就會容易出現錯誤。#錯誤的寫法： > lm(data <- data,formula <- z~x+y) Error in as.data.frame.default(data) : cannot coerce class ""formula"" to a data.frame執行時會報告異常，說明data被當作第一個引數formula傳遞，而formula被當作第二個引數data傳遞，而引數型別不匹配因而導致異常。因此，在函式的命名引數傳遞時，儘量不要用箭頭（<-），因為既會產生副作用（建立新變數），也無法利用命名引數傳遞的功能。上面的例子是程式提示了錯誤，但是有時候程式並不一定會提示錯誤，就很容易讓我們忽視結果實際上是錯誤的結果。例如：我們構建矩陣時，
# 構建一個3列的矩陣 > matrix(c(1:12),ncol=3) [，1] [，2] [，3] [1，] 1 5 9 [2，] 2 6 10 [3，] 3 7 11 [4，] 4 8 12 > matrix(c(1:12),ncol<-3) [，1] [，2] [，3] [，4] [1，] 1 4 7 10 [2，] 2 5 8 11 [3，] 3 6 9 12我們可以看到，儘管兩種方法，都執行成功，且得到了一個矩陣，但是第二個結果是一個錯誤的結果，此處出錯的原因就是，ncol<-3是將3賦值給變數ncol，然後再傳遞給函式對應位置的引數，而在函式內第二個引數實際上是對應的nrow引數。在實際編寫程式碼時，遇到這種情況，如果我們不注意，就會導致後續所有結果都出錯。
此外，還需要注意的一點就是，在傳參中採用箭頭（<-）進行賦值的變數只有在需要使用時才會改變其值。例如：
> a <- 1 > f <- function(x) return(TRUE) > f(a <- a + 1); a [1] TRUE [1] 1請注意，以上範例裡， a 的值並沒有改變，也就是a並沒有加1，還是原來的a值，這是在函式內部並未用到引數a。這會導致程式裡出現一些不可預期的結果並且降低程式碼可讀性，所以不推薦在函式引數裡使用箭頭（<-）這種賦值方式。在看下面的例子：
> a <- 1 > f <- function(x) { + if(runif(1)>0.5) TRUE + else print(x) + } > f(a <- a+1);a [1] TRUE [1] 1 > f(a <- a+1);a [1] TRUE [1] 1 > f(a <- a+1);a [1] TRUE [1] 1 > f(a <- a+1);a [1] 2 [1] 2 > f(a <- a+1);a [1] TRUE [1] 2 > f(a <- a+1);a [1] 3 [1] 3上述程式碼中，向函式 f() 傳遞傳遞引數 a <- a + 1 後，只有在隨機數 runif(1) 小於0.5的時候，a 的值才會改變，即執行+1操作，然後列印a。否則傳遞TRUE值。因此，因為隨機數 runif(1) 的隨機性，每次呼叫函式 f()後 a 的值是不確定的。
現在大家應該清楚瞭解箭頭(<-)和等號（=）的區別了吧！個人建議，大家寫賦值語句時採用箭頭(<-)，傳參時使用等號（=）。這也是大部分老師都會強烈推薦的用法。是因為使用箭頭(<-)賦值，意義清晰，可以保持程式碼良好的可讀性，尤其是書寫複雜函式時，避免造成混亂。Google 的 R style guide（https://google.github.io/styleguide/Rguide.xml）也推薦使用箭頭（<-）賦值。 況且有些情況下，只能採用箭頭(<-)賦值，例如：system.time(c<-1:10)中就不能使用等號（=）。而從數學的角度來說，等號兩邊是相等的，即等號左邊的等於等號右邊的，等號右邊的也等於等號左邊的。等號本身並沒有指向性，因此並沒有辦法體現”賦值“這一含義。而在R中，箭頭(<-)符號生動的闡釋了賦值的含義，一個非等號（=）的賦值符從根本上向學習者暗示這樣一個真理: 賦值操作與數學上的等於是完全不同的。此外，箭頭(<-)符號可以雙向賦值，即x <- 10與10 -> x等價。習慣 <- 和 -> 的使用以後，也對後來習慣使用更為複雜的 <<- 以及 ->> 這兩個賦值符號（<<-或->>一般用於函式內部，表示給上一層環境中的變數賦值）做好鋪墊，而 = 無法實現類似的功能。
另外也有等號黨提出異議，認為採用箭頭(<-)不如使用等號（=）。例如：如果我想判斷一個變數是否小於10，可以寫成 x<10；如果我想判斷一個變數是否小於-10，然後順手寫成x<-10，這時候就會產生歧義。關於處理負數時產生歧義的說法，只能說是沒有正確養成良好的空格習慣造成的，句號逗號後加空格，括號外圍加空格，運算子號兩邊加空格，這些應該是學習程式碼前就應該懂得的常識。會犯出 a <- 5 和 a < -5 混淆的錯誤只能說明自己的程式碼風格糟糕，建議大家Google 的 R style guide（https://google.github.io/styleguide/Rguide.xml ）中其他的一些程式碼寫作規則。
Reference
猜你喜歡
寫在後面
為鼓勵讀者交流、快速解決科研困難，我們建立了“巨集基因組”專業討論群，目前己有國內外1400+ 一線科研人員加入。參與討論，獲得專業解答，歡迎分享此文至朋友圈，並掃碼加主編好友帶你入群，務必備註“姓名-單位-研究方向-職稱/年級”。技術問題尋求幫助，首先閱讀《如何優雅的提問》學習解決問題思路，仍末解決群內討論，問題不私聊，幫助同行。
學習擴增子、巨集基因組科研思路和分析實戰，關注“巨集基因組”
