read_csv() 使用随机数做什么？

Question

我只是注意到以read_csv()某种方式使用了出乎意料的随机数（至少对我而言）。相应的基本 R 函数read.csv()不会这样做。那么，read_csv()随机数有什么用呢？我查看了文档，但找不到明确的答案。随机数是否与guess_max参数有关？

library(tidyverse)
set.seed(123)
rnorm(1)
# [1] -0.5604756

set.seed(123)
dat <- read.csv("data/titanic.csv")
rnorm(1)
# [1] -0.5604756

set.seed(123)
dat <- read_csv("data/titanic.csv")
rnorm(1)
#[1] 1.239496

编辑：

1. 正如rawr的评论所建议的那样，我尝试指定col_types并且确实有效。但我仍然想知道为什么会发生这种情况。有人有解释吗？

set.seed(123)
dat <- read_csv("data/titanic.csv", col_types = c("dddccdddcdcc"))
rnorm(1)
#[1] -0.5604756

2. 由于很多人询问 R 和readr版本，这里是我的会话信息。

library(tidyverse)
set.seed(123)
rnorm(1)
# [1] -0.5604756

set.seed(123)
dat <- read.csv("data/titanic.csv")
rnorm(1)
# [1] -0.5604756

set.seed(123)
dat <- read_csv("data/titanic.csv")
rnorm(1)
#[1] 1.239496

^{由reprex 包( v2.0.0 )于 2021 年 6 月 10 日创建}

Answer 1

tl;dr在包的内部深处的某个地方cli（调用以生成有关列类型的漂亮打印输出），代码正在生成一个随机字符串以用作标签。

一个主要线索是

set.seed(123); dat <- read_csv("iris.csv", col_types=cols()); rnorm(1)

运行read_csv猜测列类型，但不打印有关猜测的信息；这并没有影响 RNG，这让我觉得这是花哨的彩色印刷中的东西。

通过复制随机种子信息 ( R <- .Random.seed) 并逐步执行代码 ( debug(readr::show_cols_spec)) 并定期运行identical(R, .Random.seed)以检查状态，我发现运行后随机信息发生了变化

cli::cli_h1("Column specification")

调试该函数后，更改发生在 ; 的某处cli::cli__message。具体来说，在我们执行这一行之前

 if ("id" %in% names(args) && is.null(args$id)) args$id <- new_uuid()

（在 的源代码中cli）identical(R, .Random.seed)仍然是 TRUE；运行后发现是FALSE。更具体地说，我们此时要做的就是评估参数args（例如通过args在调试器中键入）。

沿着链条返回并手动尝试，我们可以看到手动评估

glue_cmd(text, .envir = .envir)

此时代码中的随机信息会发生变化。

更多的单步执行将我们带到一个glue_cmd调用点，此时make_cmd_transformer我们调用一个名为 的函数：random_id()

values$marker <- random_id()

random_id()然后打电话sample...

我不知道为什么这个内部位cli需要生成一个随机字符串，但我想你可以问维护者？

这是使用readr1.4.0 和cli2.5.0 完成的（尽管代码引用是 GitHub 上的当前版本 [2021 年 6 月 10 日]）。