R中「 =」和「 <-」賦值運算符有什麼區別？

R中賦值運算符=和<-之間有什麼區別？

我知道運算符略有不一樣，如本例所示

x <- y <- 5
x = y = 5
x = y <- 5
x <- y = 5
# Error in (x <- y) = 5 : could not find function "<-<-"

但這是惟一的區別嗎？

---

#1樓

運算符<-和=分配到對其進行評估的環境中。 運算符<-能夠在任何地方使用， 而運算符=僅在頂級級別 （例如，在命令提示符下鍵入的完整表達式中）或做爲括號列表中的子表達式之一才容許使用 。

---

#2樓

當您使用賦值運算符在函數調用中設置參數值時，它們之間的區別更加明顯。 例如：

median(x = 1:10)
x   
## Error: object 'x' not found

在這種狀況下， x在函數範圍內聲明，所以它在用戶工做空間中不存在。

median(x <- 1:10)
x    
## [1]  1  2  3  4  5  6  7  8  9 10

在這種狀況下， x在用戶工做空間中聲明，所以您能夠在函數調用完成後使用它。

---

在R社區中，一般優先使用<-進行賦值（功能簽名中除外），以與（很是）舊版本的S-Plus兼容。 請注意，空格有助於澄清相似狀況

x<-3
# Does this mean assignment?
x <- 3
# Or less than?
x < -3

---

大多數R IDE都具備鍵盤快捷鍵，以使<-易於鍵入。 CTRL + =在架構師，Alt + -在RStudio（ 選項 + -在MacOS），Shift + -在emacs的+ ESS（下劃線）。

---

若是您喜歡將=編寫爲<-但想對公開發布的代碼使用更常見的賦值符號（例如，在CRAN上），則可使用formatR包中的tidy_*函數之一，將=自動替換= <- 。

library(formatR)
tidy_source(text = "x=1:5", arrow = TRUE)
## x <- 1:5

---

問題「爲何x <- y = 5而不是x <- y <- 5 x <- y = 5引起錯誤？」的答案 是「取決於解析器中包含的魔術」。 R的語法包含許多模棱兩可的狀況 ，必須以一種或另外一種方式解決。 解析器根據是否使用=或<-選擇以不一樣順序解析表達式的位。

要了解正在發生的事情，您須要知道賦值以靜默方式返回已分配的值。 經過顯式打印，例如print(x <- 2 + 3) ，您能夠更清楚地看到這一點。

其次，若是咱們使用前綴符號進行賦值，則更加清楚。 因此

x <- 5
`<-`(x, 5)  #same thing

y = 5
`=`(y, 5)   #also the same thing

解析器將x <- y <- 5爲

`<-`(x, `<-`(y, 5))

咱們可能指望x <- y = 5將是

`<-`(x, `=`(y, 5))

但實際上它被解釋爲

`=`(`<-`(x, y), 5)

這是由於=的優先級低於<- ，如?Syntax幫助頁面上所示。

---

#3樓

Google的R風格指南經過禁止分配「 =」來簡化此問題。 不錯的選擇。

https://google.github.io/styleguide/Rguide.xml

R手冊詳細介紹了全部5個賦值運算符。

http://stat.ethz.ch/R-manual/R-patched/library/base/html/assignOps.html

---

#4樓

x = y = 5等效於x = (y = 5) ，由於賦值運算符從右到左「分組」是可行的。 含義：爲y分配5，保留數字5； 而後將5分配給x 。

這與(x = y) = 5 ，這不起做用！ 含義：將y的值分配給x ，剩下y的值； 而後將5分配給嗯...究竟是什麼？

當您混合使用不一樣類型的賦值運算符時， <-綁定比=更緊密。 所以x = y <- 5解釋爲x = (y <- 5) ，這是有意義的狀況。

不幸的是， x <- y = 5被解釋爲(x <- y) = 5 ，這是行不通的！

有關優先級（綁定）和分組規則，請參見?Syntax和?assignOps 。

---

#5樓

這也可能增長對這兩個運算符之間區別的理解：

df <- data.frame(
      a = rnorm(10),
      b <- rnorm(10)
)

R爲第一個元素分配了值和專有名稱，而第二個元素的名稱看起來有些奇怪。

str(df)
# 'data.frame': 10 obs. of  2 variables:
#  $ a             : num  0.6393 1.125 -1.2514 0.0729 -1.3292 ...
#  $ b....rnorm.10.: num  0.2485 0.0391 -1.6532 -0.3366 1.1951 ...

R版本3.3.2（2016-10-31）; macOS Sierra 10.12.1