R 修改函数中变量的内存有效方法

问题

我想写一个函数，修改一个大矩阵x的每一列：

因为x非常大，我想“就地”修改它，即不创建副本。然而，我的理解是，在R中，函数是“修改时复制”。换句话说，如果我在函数f中修改x，R将复制x

建议的解决方案（更新：无效！有关详细信息，请参阅下面的答案）。

因此，似乎最好的解决方案是修改全局变量，即

f = function(x){
    x = deparse(substitute(x))
    x = get(x, envir = globalenv())
    # do something to x
}

问题

然而，SO上的人对将全局变量传递到R中的函数非常消极。有些人甚至因为问这个问题而被否决

---

我的问题是：在R中这样做的最佳方式是什么？

这里已经讨论了这个问题：

你的第二种方法并不能真正解决问题。这是我用mem_used（）的结果运行的测试

库（pryr）
mem_used（）
#41.3 MB
我很确定您提出的解决方案仍然会在f中创建一个副本，但我很想测试它。
data.table
包。常规R函数中的赋值仍然会生成中间临时副本。避免这种情况的唯一方法是重新定义[我很好奇，哪些问题被否决了，因为“将全局变量传递到函数中”…除了最严格的环境之外，这是不可避免的。相反，我可以相信：访问（甚至修改）函数中的全局变量，而不是通过违反词法范围来传递。有时纯函数方法可能效率低下，但不受控制的副作用使调试和代码维护极其困难。不幸的是，正如@42-所建议的，R几乎完全是关于按副本引用和按写副本，
data.table
是一个显著的例外。
data.table
在这种情况下会很有帮助。例如：在您的解决方案中，修改所选列的位置
cols@Tung，我很好奇使用了多少内存？我的理解是data.table在内存中创建了两个对象（原始数据表和平均缩放表），然后将其中一列替换为另一列？还是在计算新的以平均值为中心的值后立即替换原始表中的每一列？很高兴知道。我将更新我的问题以反映这一点。谢谢！
f = function(x){
    x = deparse(substitute(x))
    x = get(x, envir = globalenv())
    # do something to x
}

library(pryr)
mem_used()
#41.3 MB

x <- matrix(1:1000000000, ncol=1000)
mem_used()
#4.04GB


f2<- function(x){
  print(mem_used())
  x = deparse(substitute(x))
  print(mem_used())
  x = get(x, envir = globalenv())
  x<- x+1
  print(mem_used())
  x
}

x <- f2(x)
#4.04 GB
#4.04 GB
#12 GB
mem_used()
#8.04GB