R 函数中的全局赋值运算符 - 什么是更好的选择？

Question

我在一个包中有一个函数(目前主要供我自己使用，将来可能会分享)。我正在尝试用 lapply 替换一个缓慢的 for 循环，以便稍后我可以并行化它。因此，我发现即使没有并行化也非常快的一种选择是使用全局赋值运算符。但是我对此感到焦虑，因为这似乎令人不悦，而且我不习惯考虑环境，因此担心副作用:
这是一个简单的reprex:

n <- 2
nx <- 40
v <- 5
d <- 3

array4d <- array(rep(0, n * nx * v * d) ,
                       dim = c(n, nx, v, d) )
array4d2 <- array4d

# Make some data to enter into the array - in real problem a function gens this data depending on input vars

set.seed(4)
dummy_output <- lapply(1:v, function(i) runif(n*nx*d))

microbenchmark::microbenchmark( {
    for(i in 1:v){
        array4d[ , , i, ] <- dummy_output[[i]]
    }
}, {
    lapply(1: v, function(i) {
        array4d2[ , , i, ] <<- dummy_output[[i]]
    })
})

Unit: microseconds
                                                                                     expr      min        lq
             {     for (i in 1:v) {         array4d[, , i, ] <- dummy_output[[i]]     } } 1183.504 1273.6205
 {     lapply(1:v, function(i) {         array4d2[, , i, ] <<- dummy_output[[i]]     }) }   13.257   16.1715
       mean    median       uq      max neval cld
 1488.26909 1411.4565 1515.762 3535.974   100   b
   33.56976   18.1445   21.150 1525.608   100  a 
> 
> identical(array4d, array4d2)
[1] TRUE

所有这些都将在其父函数多次调用的函数中发生。
所以这是(很多!)更快。
但我的问题是

这样做安全吗？

是否有不使用 <<- 的类似快速替代方案？

Answer 1

使变化的维度成为最后一个。 microbenchmark 表明它的性能与使用全局变量的性能没有统计学差异。如果维度是第三个很重要，请使用 aperm(x, c(1, 2, 4, 3))然后。

microbenchmark::microbenchmark( 
    a = for(i in 1:v) array4d[ , , i, ] <- dummy_output[[i]],
    b = lapply(1: v, function(i) array4d2[ , , i, ] <<- dummy_output[[i]]),
    c = array(unlist(dummy_output), dim(array4d3))
)