Хорошая практика сохранения результата функции для последующего использования в R

Question

У меня возникла ситуация, когда я написал функцию R, ComplexResult, которая вычисляет дорогостоящий результат, который позже будут использовать две другие отдельные функции: LaterFuncA и LaterFuncB.

Я хочу сохранить результат ComplexResult где-нибудь, так что и LaterFuncA, и LaterFuncB могут его использовать, и его не нужно пересчитывать. Результат ComplexResult - это большая матрица, которую нужно вычислить только один раз, а затем повторно использовать позже.

R - мой первый набег на мир функционального программирования, поэтому он заинтересован в понимании того, что он считает хорошей практикой. Моя первая линия мышления такова:

# run ComplexResult and get the result 
cmplx.res <- ComplexResult(arg1, arg2) 

# store the result in the global environment. 
# NB this would not be run from a function 
assign("CachedComplexResult", cmplx.res, envir = .GlobalEnv) 

Это все, что нужно делать? Единственным другим подходом, который я могу представить, является наличие большой функции «обертки», например:

MyWrapperFunction <- function(arg1, arg2) { 
    cmplx.res <- ComplexResult(arg1, arg2) 

    res.a <- LaterFuncA(cmplx.res) 
    res.b <- LaterFuncB(cmplx.res) 

    # do more stuff here ... 
} 

Мысли? Я вообще направляюсь в правильном направлении с любым из вышеперечисленных? Или есть вариант C, который более хитрый? :)

Answer 1

Общий ответ: вы должны сериализовать/десериализовать свой большой объект для дальнейшего использования. R способ сделать это с помощью saveRDS/readRDS:

## save a single object to file 
saveRDS(cmplx.res, "cmplx.res.rds") 
## restore it under a different name 
cmplx2.res <- readRDS("cmplx.res.rds") 

Answer 2

Это назначить GlobalEnv:

CachedComplexResult <- ComplexResult(arg1, arg2) 

Для хранения Я хотел бы использовать:

write.table(CachedComplexResult, file = "complex_res.txt") 

И затем использовать его непосредственно:

LaterFuncA(read.table("complex_res.txt")) 

Answer 3

Ваш адрес h работает для сохранения в локальной памяти; другие ответы объяснили сохранение глобальной памяти или файла. Вот некоторые соображения на , почему вы бы сделали то или другое.

Сохранить в файл: это самый медленный, так что делайте это только в том случае, если ваш процесс неустойчив, и вы ожидаете, что он сильно сработает, и вам нужно подобрать кусочки, где он остановился, или если вам просто нужно сохранить состояние время от времени, когда скорость/производительность не вызывает беспокойства.

Сохранить на глобальном уровне: если вам нужен доступ из нескольких точек в большой программе R.