作者：陈亮
单位：中国科学院微生物研究所

你知道R中的赋值符号箭头(<-)和等号（=）的区别吗？

作为一门高级语言，R语言拥有独特的语法，比如今天说道的赋值符号。在其他语言里，赋值符合通常用一个等号(=)表示，而在R语言里，承担这个任务的可以是箭头(<-)符号，也可以是等号（=）。这就导致许多R语言初学者，分不清R语言中的赋值到底是使用箭头（<-）还是等号（=）？许多早期学习R的童鞋都比较喜欢使用等号（=）进行赋值。毕竟，简简单单的a = 5用起来比较符合大多数现有语言的习惯。出于对某种赋值方式的偏好，甚至出现了等号党和箭头党，但是到底孰好孰坏，显然争不出任何结果，相对来说更重要的是了解这两者的区别。只有我们深刻理解了其相同与不同之后，才能更好的运用他们。

R语言最开始设计的时候，是采用箭头（<-）作为赋值符号的，这是从APL语言继承而来的（箭头表示赋值，等号表示判断）。之后的S语言也沿用了这个用法，再之后R语言为了保持和S语言的兼容性保留了这个箭头。直到2001年，R的更新版本中 才加入了等号（=）赋值。因此，对于一般的赋值语句，箭头（<-）与 等号（=）在 功能上是没有区别的，可以通用。但是等号(=)的作用有两个：它既可以赋值，也可以传递函数参数（实际上传参可以看作一种特殊形式的赋值，给参数赋值）。通常情况下，如果等号（=）出现在单独的环境中，它就是赋值；如果写在函数的参数位置，它就是传参。如果你在设置参数的时候使用了箭头(<-)，那么你会发现在全局变量里，会多出一个和参数名相同的赋值的变量，容易导致歧义和错误，而且占用命名空间。

下面，我们通过几个个例子来具体讲一下这两个函数的区别。

1. 箭头(<-)和等号（=）赋值在作用域上的不同。
   箭头(<-)创建的变量的作用范围为整个全局环境（Global environment），而等号（=）通常在一个局部环境(Local environment)。例如：

    > rm(x)  ## 如果变量 x 存在的话，先删除此变量
    > mean(x = 1:10)
    [1] 5.5
    > x
    Error: object 'x' not found

   在以上范例里，变量 x 是在函数的作用域里进行声明的，所以它只存在于此函数中，一旦运算完成便“消失”。

    > mean(x <- 1:10)
    [1] 5.5
    > x
    [1]  1  2  3  4  5  6  7  8  9 10

   而采用箭头(<-)赋值，x 变量则出现在了Global Environment 里，并且我们可以调用它。 在此例中，实际上是先构建了x变量，再将x传递给mean函数的第一个参数，我们看到，采用这种方式，程序也正确运行了，但是采用箭头(<-)赋值的方式去传参时要非常小心。可以看下面例子中引起错误地情况。

2. 箭头(<-)和等号（=）在参数传递时的区别

    > x <- rnorm(100)  # 采用箭头(<-)进行变量赋值
    > y <- 2*x + rnorm(100)  # 采用箭头(<-)进行变量赋值
    > lm(formula=y~x)
   
    #上面的代码完全等价于下面的代码
    > x = rnorm(100)  # 采用等号（=）进行变量赋值
    > y = 2*x + rnorm(100)  # 采用等号（=）进行变量赋值
    > lm(formula=y~x)

   两段代码中前两行都是赋值语句，分别为x变量和y变量赋值，此时等号（=）与箭头(<-)的功能相同，作用域也相同，因为等号（=）赋值是在全局环境中进行的，而代码第三行中的等号（=）则是调用函数时规定命名参数，这就是通常情况下，我们直接将y~x这个公式直接传递给lm函数的第一个参数，也就是formula参数的用法。如果此时我们将等号（=）替换成箭头（<-），则会在全局环境中定义出一个新的formula变量，然后再将这个变量传递给了lm函数的第一个参数。如果是我们有意这么做的话，就需要保证命名参数的顺序和函数中定义参数的顺序相同，否则就会出现错误，或者将名称相同的变量传递给了错误的参数（但程序可能正常运行），导致结果错误。下面的例子可以突出了这种差别：

    > x <- rnorm(100)
    > y <- 2*x+rnorm(100)
    > z <- 3*x+rnorm(100)
    > data <- data.frame(z,x,y)
    > rm(x, y, z)    
   

   此时，环境中已经没有x，y，z变量，就只有变量data可以用来做z~x+y的线性回归。标准写法：

    > lm(formula=z~x+y,data = data)
    #也可以写成如下形式：
    > lm(data=data,formula=z~x+y)

   当我们将等号（=）替换成箭头（<-）时，正确的命名参数传递应该按函数参数顺序来逐个传参：

    > lm(formula <- z~x+y, data <- data)
    Call:
      lm(formula = formula <- z ~ x + y, data = data <- data)
   
    Coefficients:
      (Intercept)            x            y  
    0.069869     3.062565     0.007503  
   
    > formula
    z ~ x + y

   运行也不会出错，但是我们会发现函数实际上是调用的lm(formula = formula <- z ~ x + y, data = data <- data)，这时产生了一个新的变量formula到环境中，并且在全局环境中就可以使用(实际上data变量也被更新了）。
   但是如果我们对lm函数的参数顺序不了解或者由于马虎搞错了参数顺序，这个时候就会容易出现错误。

    #错误的写法：
      > lm(data <- data,formula <- z~x+y)
      Error in as.data.frame.default(data) : 
        cannot coerce class ""formula"" to a data.frame

   执行时会报告异常，说明data被当作第一个参数formula传递，而formula被当作第二个参数data传递，而参数类型不匹配因而导致异常。因此，在函数的命名参数传递时，尽量不要用箭头（<-），因为既会产生副作用（创建新变量），也无法利用命名参数传递的功能。上面的例子是程序提示了错误，但是有时候程序并不一定会提示错误，就很容易让我们忽视结果实际上是错误的结果。例如：我们构建矩阵时，

    # 构建一个3列的矩阵
    > matrix(c(1:12),ncol=3)
   
     [，1] [，2] [，3]
    [1，]    1    5    9
    [2，]    2    6   10
    [3，]    3    7   11
    [4，]    4    8   12
    > matrix(c(1:12),ncol<-3)
   
     [，1] [，2] [，3] [，4]
    [1，]    1    4    7   10
    [2，]    2    5    8   11
    [3，]    3    6    9   12

   我们可以看到，尽管两种方法，都运行成功，且得到了一个矩阵，但是第二个结果是一个错误的结果，此处出错的原因就是，ncol<-3是将3赋值给变量ncol，然后再传递给函数对应位置的参数，而在函数内第二个参数实际上是对应的nrow参数。在实际编写代码时，遇到这种情况，如果我们不注意，就会导致后续所有结果都出错。

3. 此外，还需要注意的一点就是，在传参中采用箭头（<-）进行赋值的变量只有在需要使用时才会改变其值。例如：

    > a <- 1
    > f <- function(x) return(TRUE)
    > f(a <- a + 1); a
    [1] TRUE
    [1] 1

   请注意，以上范例里， a 的值并没有改变，也就是a并没有加1，还是原来的a值，这是在函数内部并未用到参数a。这会导致程序里出现一些不可预期的结果并且降低代码可读性，所以不推荐在函数参数里使用箭头（<-）这种赋值方式。在看下面的例子：

    > a <- 1
    > f <- function(x) {
    +         if(runif(1)>0.5) TRUE 
    +         else print(x)
    + }
   
    > f(a <- a+1);a
    [1] TRUE
    [1] 1
    > f(a <- a+1);a
    [1] TRUE
    [1] 1
    > f(a <- a+1);a
    [1] TRUE
    [1] 1
    > f(a <- a+1);a
    [1] 2
    [1] 2
    > f(a <- a+1);a
    [1] TRUE
    [1] 2
    > f(a <- a+1);a
    [1] 3
    [1] 3

   上述代码中，向函数 f() 传递传递参数 a <- a + 1 后，只有在随机数 runif(1) 小于0.5的时候，a 的值才会改变，即执行+1操作，然后打印a。否则传递TRUE值。因此，因为随机数 runif(1) 的随机性，每次调用函数 f()后 a 的值是不确定的。

现在大家应该清楚了解箭头(<-)和等号（=）的区别了吧！个人建议，大家写赋值语句时采用箭头(<-)，传参时使用等号（=）。这也是大部分老师都会强烈推荐的用法。是因为使用箭头(<-)赋值，意义清晰，可以保持代码良好的可读性，尤其是书写复杂函数时，避免造成混乱。Google 的 R style guide（https://google.github.io/styleguide/Rguide.xml）也推荐使用箭头（<-）赋值。 况且有些情况下，只能采用箭头(<-)赋值，例如：system.time(c<-1:10)中就不能使用等号（=）。而从数学的角度来说，等号两边是相等的，即等号左边的等于等号右边的，等号右边的也等于等号左边的。等号本身并没有指向性，因此并没有办法体现”赋值“这一含义。而在R中，箭头(<-)符号生动的阐释了赋值的含义，一个非等号（=）的赋值符从根本上向学习者暗示这样一个真理: 赋值操作与数学上的等于是完全不同的。此外，箭头(<-)符号可以双向赋值，即x <- 10与10 -> x等价。习惯 <- 和 -> 的使用以后，也对后来习惯使用更为复杂的 <<- 以及 ->> 这两个赋值符号（<<-或->>一般用于函数内部，表示给上一层环境中的变量赋值）做好铺垫，而 = 无法实现类似的功能。

另外也有等号党提出异议，认为采用箭头(<-)不如使用等号（=）。例如：如果我想判断一个变量是否小于10，可以写成 x<10；如果我想判断一个变量是否小于-10，然后顺手写成x<-10，这时候就会产生歧义。关于处理负数时产生歧义的说法，只能说是没有正确养成良好的空格习惯造成的，句号逗号后加空格，括号外围加空格，运算符号两边加空格，这些应该是学习代码前就应该懂得的常识。会犯出 a <- 5 和 a < -5 混淆的错误只能说明自己的代码风格糟糕，建议大家Google 的 R style guide（https://google.github.io/styleguide/Rguide.xml ）中其他的一些代码写作规则。

Reference

1. https://www.cnblogs.com/loca/p/4301344.html
2. https://google.github.io/styleguide/Rguide.xml
3. http://stat.ethz.ch/R-manual/R-patched/library/base/html/assignOps.html
4. https://stackoverflow.com/questions/1741820/what-are-the-differences-between-and-in-r
5. http://bbs.pinggu.org/thread-1247151-1-1.html
6. https://cran.r-project.org/doc/manuals/R-lang.html#Argument-matching

猜你喜欢

• 10000+：肠道细菌 人体上的生命 宝宝与猫狗 梅毒狂想曲 提DNA发Nature 实验分析谁对结果影响大  Cell微生物专刊
• 系列教程：微生物组入门 Biostar 微生物组  宏基因组
• 专业技能：生信宝典 学术图表 高分文章 不可或缺的人
• 一文读懂：宏基因组 寄生虫益处 进化树
• 必备技能：提问 搜索  Endnote
• 文献阅读 热心肠 SemanticScholar Geenmedical
• 扩增子分析：图表解读 分析流程 统计绘图
• 16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun
• 在线工具：16S预测培养基 生信绘图
• 科研经验：云笔记  云协作 公众号
• 编程模板 Shell  R Perl
• 生物科普  生命大跃进  细胞暗战 人体奥秘  

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外1400+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。

学习扩增子、宏基因组科研思路和分析实战，关注“宏基因组”

点击阅读原文，跳转最新文章目录阅读
https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA