16.6　魔法

我们使用文本编辑器所编写的源代码只不过是一堆字符串。当我们运行代码时，R需要解读一下这些字符串再执行相应的操作。这个过程首先从把字符串变成若干的语言变量类型开始。有时我们可能要逆转此过程，即把语言变量转换为字符串。

这两种任务都是比较高级的话题，就像一种黑暗魔法。正如每一部电影中的魔法一样，如果使用前没有理解清楚，你最终会承受糟糕的、意料之外的结果。另一方面，这里有一些秘密武器，使用它们须谨慎且有见地。

16.6.1　将字符串转换成代码

每当你在命令行中输入一行代码时，R会把这个字符串转换成它能理解的东西。以下是一个简单的反正切函数的调用：

  1. atan(c(-Inf, -1, 0, 1, Inf))
  2. ## [1] -1.5708 -0.7854 0.0000 0.7854 1.5708

可以通过使用quote函数来慢镜头细看这行代码到底发生了什么。quote接受一个像上面一行的函数作为输入参数，并将返回一个call类的对象，它代表一个尚未进行计算（unevaluated）的函数调用的对象：

  1. (quoted_r_code <- quote(atan(c(-Inf, -1, 0, 1, Inf))))
  2. ## atan(c(-Inf, -1, 0, 1, Inf))
  4. class(quoted_r_code)
  5. ## [1] "call"

接下来，R将对此调用进行计算。可使用eval函数来模仿此步骤：

  1. eval(quoted_r_code)
  2. ## [1] -1.5708 -0.7854 0.0000 0.7854 1.5708

一般情况下，为执行你键入的代码，R会运行类似eval(quote(the stuff you typed at the command line))的函数。

为了更好地了解call类型，把它转换成一个列表：

  1. as.list(quoted_r_code)
  2. ## [[1]] 
  3. ## atan 
  4. ## 
  5. ## [[2]] 
  6. ## c(-Inf, -1, 0, 1, Inf)

第一个元素是被调用的函数，其他元素都是我们要传递给它的参数。

记住重要的是：在R中几乎一切都是函数。这有点夸张，但像+的运算符、switch、if、for的语言结构以及分配和索引都是函数：

  1. vapply( 
  2.    list(`+`, `if`, `for`, `<-`, `[`, `[[`), 
  3.    is.function, 
  4.    logical(1) )
  5. ## [1] TRUE TRUE TRUE TRUE TRUE TRUE

这样做的结果是，你在命令行键入的任何东西真的是函数调用，这是为什么此输入会变成call对象的原因。

我们兜了一个大圈说明：有时我们需接受R代码文本，然后让R来执行它。事实上，我们已经看到两个函数对于这种特殊情况完全就是这样做的：assign接受一个字符串，并使用该名称将值指派给一个变量；与之相反，get从一个字符串输入中获取一个变量。

除了分配和获取变量之外，我们偶尔可能还需要接受任意R的代码文本并从R中执行它。你可能已经注意到，当使用quote函数时，我们只是直接把R代码敲进去而没有把它括在括号内。如果输入的是一个字符串（例如一个长度为一的字符向量），问题会稍微不同：我们必须“解析”字符串。当然，这要通过parse函数来完成。

parse返回一个expression对象而不是一个调用。不用紧张，其实expression基本上就是一个调用列表。

提示

调用和表达式的本质是很深奥的，就像黑暗魔法一样。当你用R大玩“起死回生”之术时，我可不为接下来的“僵尸覆灭”负责。如果你对这些奥秘有兴趣，请阅读随R附带的R Language Definition手册中的第6章。

当以这种方式调用parse时，必须明确声名text参数：

  1. parsed_r_code <- parse(text = "atan(c(-Inf, -1, 0, 1, Inf))") 
  2. class(parsed_r_code)
  3. ## [1] "expression"

使用eval来计算引用的R代码：

  1. eval(parsed_r_code)
  2. ## [1] -1.5708 -0.7854 0.0000 0.7854 1.5708

警告

这种与字符串混合计算的小技巧比较好用，但由此产生的代码通常是脆弱和难于调试的，使你的代码难以维护。这就是我上面提到“僵尸覆灭”的含义。

16.6.2　把代码转换成字符串

有时，我们要解决的问题正好相反，即把代码转换成为字符串。最常见的场景是为了把变量的名称传递给函数。base包中的直方图绘图函数hist包含一个默认的标题，它能告诉你数据变量的名称：

  1. random_numbers <- rt(1000, 2) 
  2. hist(random_numbers)

我们也可以自己重新实现这个功能，只需使用两个函数：substitute和deparse。substitue接受一些代码并返回一个语言对象。这通常会是一个call对象，正如我们使用quote所创建的一样，但偶尔也会是一个name对象，它是一种能保存变量名的特殊类型。（不用担心其中的具体细节，本节被称为“魔法”并非偶然。）

下一步就是把这个语言对象转换为字符串，即所谓的deparsing。当你检查函数的用户输入时，此技术能提供有用的错误信息。让我们来看看deparse-substitue组合在实际中的效果：

  1. divider <- function(numerator, denominator) 
  2. { 
  3.    if(denominator == 0) 
  4.    { 
  5.       denominator_name <- deparse(substitute(denominator)) 
  6.       warning("The denominator, ", sQuote(denominator_name), ", is zero.") 
  7.    } 
  8.    numerator / denominator 
  9. } 
  10. top <- 3 
  11. bottom <- 0 
  12. divider(top, bottom)
  14. ## Warning: The denominator, 'bottom', is zero.
  15. ## [1] Inf

substitute在与eval一起使用时还有另一项技巧。给eval传递一个环境变量或数据框，你就可告诉R到哪里去查找要计算的表达式了。

举个简单的例子，我们可以用这一招来取得hafu数据集中Gender栏的水平值：

  1. eval(substitute(levels(Gender)), hafu)
  2. ## [1] "F" "M"

这也恰恰是with函数的工作原理：

  1. with(hafu, levels(Gender))
  2. ## [1] "F" "M"

事实上，有很多函数都使用了此技巧：subset在好几个地方都用到它，lattice图形系统以此技巧来解析公式。此技巧还有一些其他的变化，可参考Thomas Lumley的“Standard nonstandard evaluation rules”。