r - 尽管试图保留属性，但仍会丢失属性

Question

我遇到的问题 make总是重建Makefile目标 ( make always rebuilds Makefile targets ) 及其调查发现 另一个问题 ，这是这个问题的主题。重复执行以下R代码导致 对象属性丢失在数据转换操作期间。

作为记录，我不得不说我已经写过关于这个主题的文章( Approaches to preserving object's attributes during extract/replace operations )，但那个问题和答案更笼统(我错误地认为简单的保存属性有效 - 在写作时它对我有用，因为当时我还没有执行操作，对对象的属性有潜在危险)。

以下是我的 R 代码的摘录，其中我遇到了属性丢失的问题。

##### GENERIC TRANSFORMATION FUNCTION #####

transformResult <- function (dataSource, indicator, handler) {

  fileDigest <- base64(indicator)
  rdataFile <- paste0(CACHE_DIR, "/", dataSource, "/",
                      fileDigest, RDS_EXT)
  if (file.exists(rdataFile)) {
    data <- readRDS(rdataFile)

    # Preserve user-defined attributes for data frame's columns
    # via defining new class 'avector' (see code below)). Also,
    # preserve attributes (comments) for the data frame itself.
    data2 <- data.frame(lapply(data, function(x) 
      { structure(x, class = c("avector", class(x))) } ))
    #mostattributes(data2) <- attributes(data)
    attributes(data2) <- attributes(data)

    result <- do.call(handler, list(indicator, data2))
    saveRDS(result, rdataFile)
    rm(result)
  }
  else {
    error("RDS file for \'", indicator, "\' not found! Run 'make' first.")
  }
}


## Preserve object's special attributes:
## use a class with a "as.data.frame" and "[" method

as.data.frame.avector <- as.data.frame.vector

`[.avector` <- function (x, ...) {
  #attr <- attributes(x)
  r <- NextMethod("[")
  mostattributes(r) <- attributes(x)
  #attributes(r) <- attr
  return (r)
}

##### HANDLER FUNCTION DEFINITIONS #####

projectAge <- function (indicator, data) {

  # do not process, if target column already exists
  if ("Project Age" %in% names(data)) {
    message("Project Age: ", appendLF = FALSE)
    message("Not processing - Transformation already performed!\n")
    return (invisible())
  }

  transformColumn <- as.numeric(unlist(data["Registration Time"]))
  regTime <- as.POSIXct(transformColumn, origin="1970-01-01")
  prjAge <- difftime(Sys.Date(), as.Date(regTime), units = "weeks")
  data[["Project Age"]] <- as.numeric(round(prjAge)) / 4 # in months

  # now we can delete the source column
  if ("Registration Time" %in% names(data))
    data <- data[setdiff(names(data), "Registration Time")]

    if (DEBUG2) {print(summary(data)); print("")}

  return (data)
}


projectLicense <- function (indicator, data) {

  # do not process, if target column (type) already exists
  if (is.factor(data[["Project License"]])) {
    message("Project License: ", appendLF = FALSE)
    message("Not processing - Transformation already performed!\n")
    return (invisible())
  }

  data[["Project License"]] <- 
    factor(data[["Project License"]],
           levels = c('gpl', 'lgpl', 'bsd', 'other',
                      'artistic', 'public', '(Other)'),
           labels = c('GPL', 'LGPL', 'BSD', 'Other',
                      'Artistic', 'Public', 'Unknown'))

  if (DEBUG2) {print(summary(data)); print("")}

  return (data)
}


devTeamSize <- function (indicator, data) {

  var <- data[["Development Team Size"]]

  # convert data type from 'character' to 'numeric' 
  if (!is.numeric(var)) {
    data[["Development Team Size"]] <- as.numeric(var)
  }

  if (DEBUG2) {print(summary(data)); print("")}

  return (data)
}


##### MAIN #####

# construct list of indicators & corresponding transform. functions
indicators <- c("prjAge", "prjLicense", "devTeamSize")
transforms <- list(projectAge, projectLicense, devTeamSize)

# sequentially call all previously defined transformation functions
lapply(seq_along(indicators),
       function(i) {
         transformResult("SourceForge",
                         indicators[[i]], transforms[[i]])
         })

在第二次运行此代码后，命名“Project Age”和“Project License”以及数据框的其他用户定义属性 data2丢失了。

我的 问题 这是多方面的:

1) 我的代码中的哪些语句可能导致 属性丢失为什么？

2)什么是 正确 mostattributes <- attributes 中的代码行( attributes <- attributes/attr 或 transformResult() )和 avector类定义和原因；

3) 是声明 as.data.frame.avector <- as.data.frame.vector真的需要，如果我添加类属性 avector到数据框对象，通常是 更喜欢通用解决方案 (不仅适用于数据框)；为什么或者为什么不。

4) 通过 attr 保存 在类定义中 不起作用，它失败并出现以下错误:

Error in attributes(r) <- attr :
  'names' attribute [5] must be the same length as the vector [3]
Calls: lapply ... summary.data.frame -> lapply -> FUN -> summary.default -> [ -> [.avector

所以，我不得不重新使用 mostattributes() .可以吗？

==========

我已阅读有关该主题的以下内容:

所以问题:How to delete a row from a data.frame without losing the attributes (我喜欢 Ben Barns 的解决方案，但它与 Gabor Grothendieck 和 Marc Schwartz 建议的方案略有不同——见下文)；

所以问题:indexing operation removes attributes (虽然解决方案清晰易读，但我更喜欢一个，基于类定义/子分类？/)；

Heinz Tuechler ( https://stat.ethz.ch/pipermail/r-help/2006-July/109148.html ) 建议的通用解决方案 - 我需要这个吗？

Brian Ripley ( http://r.789695.n4.nabble.com/Losing-attributes-in-data-frame-PR-10873-tp919265p919266.html ) 的解释——我觉得有些困惑；

Gabor Grothendieck ( https://stat.ethz.ch/pipermail/r-help/2006-May/106308.html ) 提出的解决方案；

Marc Schwartz ( https://stat.ethz.ch/pipermail/r-help/2006-May/106351.html ) 对 Gabor Grothendieck 的解决方案的解释 - 非常好的解释；

“R Inferno”一书(www.burns-stat.com/pages/Tutor/R_inferno.pdf)的第 8.1.28 和 8.1.29 节 - 我已经尝试了他使用 storage.mode() 的建议，但并没有真正解决问题，因为通过 storage 强制不影响 class对象的(更不用说它不包括强制清除属性之外的操作，例如子集和索引；

http://adv-r.had.co.nz/Data-structures.html#attributes ;

http://stat.ethz.ch/R-manual/R-devel/library/base/html/attributes.html ;

http://cran.r-project.org/doc/manuals/r-devel/R-lang.html#Copying-of-attributes .

附言我相信这个问题是一般性的，所以我目前没有提供可重现的例子。我希望可以在没有这样的例子的情况下回答这个问题，但是，如果没有，请告诉我。

Answer 1

我正在回答我自己的问题 - 好吧，现在，只有部分:

1)经过更深入的调查和一些代码更新后，似乎属性实际上并没有丢失 (仍在尝试找出导致预期行为的更改 - 稍后会报告)。

2) 我有 找出原因断断续续输出，转换后缓存数据全部丢失，如下。在代码的多次后续运行期间，每个 的第二次运行转换(处理程序)函数 ( projectAge() 、 projectLicense() 和 devTeamSize() )返回NULL，因为转换已经完成:

if (<condition>) {
  ...
  message("Not processing - Transformation already performed!\n")
  return (invisible()) # <= returns NULL
}

然后返回的 NULL 被传递给 saveRDS() ，从而导致缓存数据丢失。

我 修复了这个问题 通过对 result 的简单验证在保存转换后的对象之前:

# the next line is problematic due to wrong assumption of always having full data returned
result <- do.call(handler, list(indicator, data2))
if (!is.null(result)) saveRDS(result, rdataFile) # <= fixed by validating incoming data

到此为止，感谢阅读!我将更新此答案，直到所有问题都得到澄清。