¿La adición a una lista en R resulta en copia?

Question

Supongamos que tengo a crear una lista de R y anexar a la misma de la siguiente manera:

x = list(10) 
x[[2]] = 20 

¿Es esta equivalente a

x = list(10) 
x = list(10, 20) 

? No tengo tanta experiencia con los detalles particulares de cómo maneja R las listas en la memoria, pero mi entendimiento limitado es que tiende a ser feliz; lo que sería ideal para mí sería que la primera opción no implique esencialmente crear otra lista en la memoria, sino que simplemente resulte en reservar un nuevo lugar en la memoria para el valor agregado. Básicamente, si tengo una lista grande, no quiero que R haga otra copia si solo quiero añadirle algo.

Si el comportamiento que deseo no es el que se da aquí, ¿hay alguna otra forma en que pueda obtener el efecto deseado?

Answer 1

Estoy bastante seguro de que la respuesta es "no". He utilizado el código siguiente a doble verificación:

Rprof(tmp <- tempfile(), memory.profiling = TRUE) 

x <- list() 
for (i in 1:100) x[[i]] <- runif(10000) 

Rprof() 
summaryRprof(tmp, memory = "stats") 
unlink(tmp) 

La salida:

# index: runif 
#  vsize.small max.vsize.small  vsize.large max.vsize.large 
#   76411   381781   424523   1504387 
#   nodes  max.nodes  duplications tot.duplications 
#   2725878   13583136    0    0 
#   samples 
#    5 

La parte pertinente de ser duplications = 0.

Answer 2

Se aceptó la respuesta de flodel, pero la sugerencia de Chase era buena, así que confirmé que tenía el comportamiento deseado usando su sugerencia de usar tracemem(). Aquí está el primer ejemplo, en el que sólo añadimos a la lista:

x = list(10) 
tracemem(x[[1]]) 
# [1] "<0x2d03fa8>" #(likely different on each machine) 
x[[2]] = 20 
tracemem(x[[1]]) 
# [1] "<0x2d03fa8>" 

Y aquí está el resultado del segundo ejemplo, donde creamos dos listas:

x = list(10) 
tracemem(x[[1]]) 
# [1] "<0x2d03c78>" 
x = list(10, 20) 
tracemem(x[[1]]) 
# [1] "<0x2d07ff8>" 

para que aparezca el primer método a dar el comportamiento deseado. respuesta

Answer 3

Mateo de Dowle here y la razón de ser de mucha eficiencia de la memoria es detener la numerosa detrás de la copia escenas por <-, [<-, [[<- y otras bases R operaciones (names etc)

[[<- copiará el conjunto de x . Véase el siguiente ejemplo

x <- list(20) 
tracemem(x) 
#[1] "<0x2b0e2790>" 
x[[2]] <- 20 
# tracemem[0x2b0e2790 -> 0x2adb7798]: 

Su segundo caso

x <- list(10,20) 

no es realmente anexando el original x pero sustituyendo x con un objeto que pasa a ser el original x con un valor adjunto.

Answer 4

Para ayudarme a determinar si la modificación de una lista hace o no una copia profunda o una copia superficial, configuré un pequeño experimento.Si la modificación de una lista hace una copia profunda, entonces debería ser más lenta cuando se está modificando una lista que contiene un objeto grande en comparación con una lista que contiene un pequeño objeto:

z1 <- list(runif(1e7)) 
z2 <- list(1:10) 

system.time({ 
    for(i in 1:1e4) z1[1 + i] <- 1L 
}) 
# user system elapsed 
# 0.283 0.034 0.317 
system.time({ 
    for(i in 1:1e4) z2[1 + i] <- 1L 
}) 
# user system elapsed 
# 0.284 0.034 0.319 

Los tiempos de mi equipo eran básicamente idéntico, lo que sugiere que la copia de una lista hace una copia superficial, copiar punteros a las estructuras de datos existentes.