R语言中c()函数与赋值扩展向量的性能差异及底层机制探究

在R中，向量是不可变对象——这是理解所有复制行为的核心前提。你对比的三种向量构建方式（c()扩展、赋值扩展、预分配）的性能差异，本质都是围绕这一规则展开的。

1. 关于两种扩展方式复制次数的初步理解是否正确？ #

你的核心方向是对的，但细节需要修正：

• c()扩展方式：y <- c(y, x) 并非两次复制。实际逻辑是：c(y, x) 内部会创建一个新向量（大小为原y长度+1），把原y的所有元素和新元素x复制进去；随后将这个新向量的地址赋值给变量y，原y的旧对象会被标记为垃圾回收。不存在“c()内复制一次，赋值回y再复制一次”的情况，c()直接生成新对象，赋值只是更新变量指向。
• 赋值扩展方式：y[length(y)+1] <- x 会先检查原向量的预留内存空间（R会给向量分配比当前长度略大的内存作为缓冲）。如果预留空间足够，就直接在原地址的缓冲位置写入新元素，不触发复制；只有当预留空间耗尽时，才会创建更大的新向量，复制原所有元素后添加新元素，最后更新变量指向。

2. 两种方式的复制差异为何导致性能/内存差距？ #

关键差异在复制触发频率和每次复制的规模：

• c()方式：每次调用c(y, x)都会强制创建一个恰好比原向量大1的新向量，没有预留空间。这意味着每一次迭代都会触发一次完整复制——第n次迭代时，要复制n-1个元素到新向量，总复制量是1+2+...+(N-1) = N(N-1)/2次（N为迭代次数）。内存分配次数等于迭代次数，内存峰值会反复出现“旧向量+新向量”的叠加状态。
• 赋值扩展方式：R的向量预留空间按指数增长（比如每次扩容为原大小的2倍左右），复制触发频率极低——比如迭代1000次，可能仅需扩容10次（2^10=1024）。每次复制的规模是当前向量的全部元素，但因为触发次数少，总复制量远低于c()方式，内存分配次数大幅减少，内存峰值仅在扩容时出现，后续迭代复用预留空间。

3. 直观演示底层差异的方法 #

可以用tracemem()函数跟踪向量的地址变化，结合内存使用记录，直观看到两种方式的差异：

演示代码 #

# 跟踪c()扩展的地址变化
cat("=== c()扩展方式地址变化 ===\n")
y_c <- c()
tracemem(y_c)
for(i in 1:5) {
  y_c <- c(y_c, i)
  cat(paste("迭代", i, "后地址：", tracemem(y_c), "\n"))
}
untracemem(y_c)

# 跟踪赋值扩展的地址变化
cat("\n=== 赋值扩展方式地址变化 ===\n")
y_assign <- c()
tracemem(y_assign)
for(i in 1:5) {
  y_assign[length(y_assign)+1] <- i
  cat(paste("迭代", i, "后地址：", tracemem(y_assign), "\n"))
}
untracemem(y_assign)

# 预分配方式（对比用）
cat("\n=== 预分配方式地址变化 ===\n")
y_pre <- numeric(5)
tracemem(y_pre)
for(i in 1:5) {
  y_pre[i] <- i
  cat(paste("迭代", i, "后地址：", tracemem(y_pre), "\n"))
}
untracemem(y_pre)

输出解读 #

• c()方式每次迭代都会输出新地址，说明每次都创建了全新向量；
• 赋值方式前几次迭代地址可能不变（使用预留空间），直到预留耗尽才更换地址；
• 预分配方式地址全程不变，完全无复制。

另外，还可以用memory.size()（Windows）或gc()的输出，记录每次迭代后的内存使用，直观对比c()方式的内存波动和赋值方式的平稳性。

补充：为什么c()每次迭代都触发地址变化？ #

核心原因是**c()函数的设计逻辑**：它的作用是将输入的多个对象拼接成一个新的原子向量，无论输入向量有没有预留空间，c()都会创建一个恰好容纳所有输入元素的新向量，不会复用原向量的预留空间。因此每次调用c(y, x)都会生成全新对象，变量y的指向必然更新，地址也就每次都变。

而y[length(y)+1] <- x是R的下标赋值语法，内部会检查向量容量，优先使用预留空间，仅在空间不足时才扩容复制——这就是它地址变化次数少的根本原因。

内容的提问来源于stack exchange，提问作者Anna Krystalli