在R中，具有与基本R函数同名的variables的问题到底是什么？
似乎通常认为使用具有相同名称的基数R中的函数的variables名称是不好的编程习惯。
例如，写下以下内容很诱人：
data <- data.frame(...) df <- data.frame(...) 现在，函数data加载数据集，而函数df计算f密度函数。
同样，写这样的文章是很有诱惑力的：
a <- 1 b <- 2 c <- 3
这被认为是不好的forms，因为函数c将结合它的论点。
但是：在R函数lm ，为了计算线性模型， data被用作参数。 换句话说， data在lm函数中变成一个显式variables。
所以：如果R核心团队可以为variables和函数使用相同的名称，那么我们是不是凡人呢？
答案不是R会混淆。 尝试下面的例子，我明确地分配一个名字为c的variables。 R不会因为variables和函数之间的差异而感到困惑：
c("A", "B") [1] "A" "B" c <- c("Some text", "Second", "Third") c(1, 3, 5) [1] 1 3 5 c[3] [1] "Third"
问题：具有与基本R函数同名的variables的问题究竟是什么？
真的没有一个。 在寻找函数时，R通常不会search对象（非函数对象）：
> mean(1:10) [1] 5.5 > mean <- 1 > mean(1:10) [1] 5.5 > rm(mean) > mean(1:10) [1] 5.5
@Joris和@Sacha所示的例子是糟糕的编码让你失望。 一个更好的书写foo是：
foo <- function(x, fun) { fun <- match.fun(fun) fun(x) }
当使用时给出：
> foo(1:10, mean) [1] 5.5 > mean <- 1 > foo(1:10, mean) [1] 5.5
在某些情况下，这会把你赶出去，而na.omit的例子是na.omit ，因为lm()使用了标准的非标准评估，所以IIRC正在发生。
几个答案还将T与TRUE问题与function问题的掩饰混为一谈。 由于T和TRUE不是@ Andrie问题范围之外的函数。
问题不在于计算机，而在于用户。 一般来说，代码可能变得很难debugging。 input错误很容易，所以如果你这样做：
c <- c("Some text", "Second", "Third") c[3] c(3)
你得到正确的结果。 但是如果你错过了代码中的某处并键入c(3)而不是c[3] ，那么发现错误并不会那么容易。
范围界定也会导致非常混乱的错误报告。 采取以下有缺陷的function：
my.foo <- function(x){ if(x) c <- 1 c + 1 } > my.foo(TRUE) [1] 2 > my.foo(FALSE) Error in c + 1 : non-numeric argument to binary operator
用更复杂的function，这可能导致你在一个无处不在的debugging线索。 如果在上面的函数中用creplacec ，那么错误将会被读为“ object 'x' not found ”。 这将导致更快的编码错误。
接下来，它会导致相当混乱的代码。 像c(c+c(a,b,c))的代码比c(d+c(a,b,d))要求大脑更多。 再次，这是一个微不足道的例子，但它可以有所作为。
显然，你也可以得到错误。 当你期望一个function，你不会得到它，这可能会导致另一个恼人的错误：
my.foo <- function(x,fun) fun(x) my.foo(1,sum) [1] 1 my.foo(1,c) Error in my.foo(1, c) : could not find function "fun"
一个更现实（和现实生活）的例子，这可能会导致麻烦：
x <- c(1:10,NA) y <- c(NA,1:10) lm(x~y,na.action=na.omit) # ... correct output ... na.omit <- TRUE lm(x~y,na.action=na.omit) Error in model.frame.default(formula = x ~ y, na.action = na.omit, drop.unused.levels = TRUE) : attempt to apply non-function
如果na.omit <- TRUE在您的代码中出现50行，请尝试找出这里有什么问题…
在@Andrie的评论之后回答编辑，以包含混淆错误报告的例子
R对此非常强大，但你可以想办法打破它。 例如，考虑这个function：
foo <- function(x,fun) fun(x)
这简单地适用于x fun 。 不是最好的方式做到这一点，但你可能会遇到这个从某人的脚本左右。 这适用于mean() ：
> foo(1:10,mean) [1] 5.5
但是，如果我分配一个新的价值意味着它打破：
mean <- 1 foo(1:10,mean) Error in foo(1:10, mean) : could not find function "fun"
这很less发生，但可能会发生。 如果同样的事情意味着两件事情，这也是令人困惑的：
mean(mean)
既然使用任何你想要的名字是微不足道的，为什么不使用一个不同的名字，然后基地的Rfunction？ 而且，对于一些Rvariables，这变得更加重要。 想想重新分配'+'function！ 另一个很好的例子是T和F重新分配，可以打破这么多的脚本。
我认为问题在于人们在全球环境中使用这些function，并且由于某些您不应该得到的意想不到的错误而导致挫败感。 想象一下，你只是运行了一个可重复的例子（可能相当长），覆盖了你在仿真中使用的一个函数，需要很长时间才能到达你想要的地方，然后突然间出现一个有趣的错误。 在closures的环境中使用已经存在的variables函数名称（如函数）在函数closures后被删除，不应该造成伤害。 假设程序员知道这种行为的所有后果。
答案很简单。 那么，那种。
底线是你应该避免混淆。 从技术上讲，没有理由给你的variables专有名称，但它使你的代码更容易阅读。
假设有一行代码包含data()[1]或类似的代码（这一行可能没有意义，但这只是一个例子）：虽然现在你很清楚你正在使用函数数据，一个读者注意到那里有一个data.frame命名的数据，可能会感到困惑。
如果你不是不偏不倚，记住，读者可能在半年左右，试图弄清楚你正在用“旧代码”做什么。
从一个学会使用长variables名称和命名约定的人那里得到它：回报！
我同意@Gavin Simpson和@Nick Sabbe认为没有问题，但这更多的是代码的可读性问题。 因此，生活中的许多事情，这是一个约定和共识的问题。
我认为给出一般build议是一个很好的习惯：不要将你的variables命名为基本的R函数！
这个build议和其他好的build议一样。 例如大家都知道我们不要喝太多的酒，不要吃太多的不健康的食物，但是我们不时会遵循这些build议，在吃太多垃圾食物的时候喝醉了。
这个build议也是一样的。 命名数据参数data显然是有意义的。 但是，命名数据向量的mean就不那么有意义了。 虽然可能有这样的情况，即使这似乎是适当的。 但要尽量避免这些情况的清晰。
虽然有些语言可能会允许，但是IF IF THEN THEN ELSE ELSE人想到其他的话。 总的来说，这被认为是很差的做法。 这并不是说我们不想让你有机会炫耀你对语言的高级知识，总有一天，我们将不得不处理那些代码，而我们只是凡人而已。
因此，如果你感觉到额外的温暖和模糊，那么保存你的编程技巧就不要打破每晚的构build，并给你的variables合理的名字，一致的shell。
