r - 创建可以访问库但不能访问 .GlobalEnv 的环境

Question

我想在环境中评估一些代码访问库(.GlobalEnv 之上的所有环境)但不会访问在 .GlobalEnv 中创建的对象。我已经尝试了几个解决方案，但似乎没有一个能按预期工作

1。 .GlobalEnv 中的新环境

此处在 .GlobalEnv 中创建的环境可以访问其他环境.GlobalEnv 中的对象。

.GlobalEnv$ee <- environment()
eval( 
  parse(text = "library(dplyr);mutate(iris, x = 1)"), 
  envir = .GlobalEnv$ee
)
var_in_global <- "x"
eval(
  expr = parse(text = "ls()"), 
  envir = .GlobalEnv$ee
) # expect empty
eval(
  expr = parse(text = "print(var_in_global)"), 
  envir = ee
) # expect error

2。作为 .GlobalEnv 子级的新环境

这个编码方式不同，但结果与第一个相同

ee <- new.env(parent = globalenv())
eval(
  parse(text = "library(dplyr);mutate(iris, x = 1)"), 
  envir = ee
)
var_in_global <- "x"
eval(
  expr = parse(text = "ls()"), 
  envir = ee
)
eval(
  expr = parse(text = "print(var_in_global)"), 
  envir = ee
)

3。作为全局 parent 的新环境

在这种情况下，环境无法访问 .GlobalEnv 对象但是之后加载的库会附在下面，所以环境不会也可以访问这些库。

ee <- new.env(parent = parent.env(globalenv()))
eval(
  parse(text = "library(dplyr);mutate(iris, x = 1)"), 
  envir = ee
)
var_in_global <- "x"
eval(
  expr = parse(text = "ls()"), 
  envir = ee
)
eval(
  expr = parse(text = "print(var_in_global)"), 
  envir = ee
)

4。使用库(..., pos = 3)

使用@Allan Cameron 的回答，我试图让这段代码正常工作。并且 library(dplyr);mutate(...) 在新环境中被正确评估。

ee <- new.env(parent = parent.env(globalenv()))
eval(
  parse(text = "library <- function(...) base::library(..., pos = 3)"),
  envir = ee
)
eval(
  parse(text = "library(dplyr);mutate(iris, x = 1)"), 
  envir = ee
)
var_in_global <- "x"
eval(
  expr = parse(text = "ls()"), 
  envir = ee
)
eval(
  expr = parse(text = "print(var_in_global)"), 
  envir = ee
)

然而，问题要深得多。一些包有更多的依赖项一起加载。考虑这个示例，其中我将 library(dplyr);mutate() 替换为 library(Hmisc);impute(...)。此示例失败 - 无法找到 impute 函数(这是错误的)

ee <- new.env(parent = parent.env(globalenv()))
eval(
  parse(text = "library <- function(...) base::library(..., pos = 3)"),
  envir = ee
)
eval(
  parse(text = "library(Hmisc);impute(iris[,1], 1)"), 
  envir = ee
) # expect to work

你有什么想法如何创造一个环境吗？全局的“并行”节点，之前是否还附加了库？

Answer 1

问题是，当您调用 library 时，默认情况下它会将包附加到搜索路径中的 pos = 2:

pos
the position on the search list at which to attach the loaded namespace. Can also be the name of a position on the current search list as given by search().

因此，当我启动 R session 并执行 search() 时，我得到:

#>  [1] ".GlobalEnv"        "tools:rstudio"     "package:stats"    
#>  [4] "package:graphics"  "package:grDevices" "package:utils"    
#>  [7] "package:datasets"  "package:methods"   "Autoloads"        
#> [10] "package:base"

当我调用 library(dplyr) 然后重复 search() 时，我得到:

#>  [1] ".GlobalEnv"        "package:dplyr"     "tools:rstudio"    
#>  [4] "package:stats"     "package:graphics"  "package:grDevices"
#>  [7] "package:utils"     "package:datasets"  "package:methods"  
#> [10] "Autoloads"         "package:base"  

因此，如果在附加任何包之前让 ee 与全局环境具有相同的父级，您将遇到包放置在全局环境之间的问题和 ee 进入搜索路径。

有几种方法可以解决这个问题，但也许最简单的方法是启动一个新的 R session 并定义:

library <- function(...) base::library(..., pos = 3)

这确保在全局工作区中加载的包始终放置在 ee 的搜索路径“入口点”之后。这会产生所需的行为:

ee <- new.env(parent = parent.env(globalenv()))

var_in_global <- "x"

eval(expr = parse(text = "ls()"), envir = ee)
#> character(0)

eval(expr = parse(text = "print(var_in_global)"), envir = ee)
#> Error in print(var_in_global): object 'var_in_global' not found

library(dplyr) # Note this is called in the global environment

eval(parse(text = "head(mutate(iris, n = 1), 5)"), envir = ee)
#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species n
#> 1          5.1         3.5          1.4         0.2  setosa 1
#> 2          4.9         3.0          1.4         0.2  setosa 1
#> 3          4.7         3.2          1.3         0.2  setosa 1
#> 4          4.6         3.1          1.5         0.2  setosa 1
#> 5          5.0         3.6          1.4         0.2  setosa 1

请注意，作为(可能需要的)副作用，由于修改后的 library 函数是在全局环境中定义的，那么如果从 内部调用 library ee，它将被调度 base::library，因此 ee 中加载的任何包将因此只能被 ee 访问>.

编辑

如果您希望在 ee 中调用的代码影响全局搜索路径以及 ee 的搜索路径，您可以尝试:

ee <- new.env(parent = parent.env(globalenv()))

ee$library <- function(...) {
  mc <- match.call()
  mc[[1]] <- quote(base::library)
  eval(mc, envir = globalenv())
  this_env <- parent.frame()
  if(!identical(this_env, globalenv())) 
  parent.env(this_env) <- parent.env(globalenv())
}

这给了我们:

eval(
  parse(text = "library(Hmisc);impute(iris[,1], 1)"), 
  envir = ee
)  

#>  [1] 5.1 4.9 4.7 4.6 5.0 5.4 4.6 5.0 4.4 4.9 5.4 4.8 4.8 4.3 5.8 5.7 5.4 5.1 5.7
#>  [20] 5.1 5.4 5.1 4.6 5.1 4.8 5.0 5.0 5.2 5.2 4.7 4.8 5.4 5.2 5.5 4.9 5.0 5.5 4.9
#>  [39] 4.4 5.1 5.0 4.5 4.4 5.0 5.1 4.8 5.1 4.6 5.3 5.0 7.0 6.4 6.9 5.5 6.5 5.7 6.3
#>  [58] 4.9 6.6 5.2 5.0 5.9 6.0 6.1 5.6 6.7 5.6 5.8 6.2 5.6 5.9 6.1 6.3 6.1 6.4 6.6
#>  [77] 6.8 6.7 6.0 5.7 5.5 5.5 5.8 6.0 5.4 6.0 6.7 6.3 5.6 5.5 5.5 6.1 5.8 5.0 5.6
#>  [96] 5.7 5.7 6.2 5.1 5.7 6.3 5.8 7.1 6.3 6.5 7.6 4.9 7.3 6.7 7.2 6.5 6.4 6.8 5.7
#> [115] 5.8 6.4 6.5 7.7 7.7 6.0 6.9 5.6 7.7 6.3 6.7 7.2 6.2 6.1 6.4 7.2 7.4 7.9 6.4
#> [134] 6.3 6.1 7.7 6.3 6.4 6.0 6.9 6.7 6.9 5.8 6.8 6.7 6.7 6.3 6.5 6.2 5.9

但是，我们需要小心。如果在全局环境中调用 library，则不会更新 ee 的搜索路径。所以我们需要一个全局函数，例如:

library <- function(...) {
  base::library(...)
  parent.env(ee) <- parent.env(globalenv())
}

当然，让您自己的包执行此操作会更好。这样，您就可以拥有一个单独的 library 函数来测试其调用框架并分派(dispatch)适当的方法，而无需在工作区周围 float 这些备用的 library 函数。

^{由 reprex package 创建于 2020-09-15 (v0.3.0)}