SO 有一些答案，其中比较了时间without检查结果。不过，我更喜欢看看表达式是否正确and fast.

The microbenchmark包支持这一点check范围。不幸的是，对改变 a 的表达式的检查失败data.table 引用，即检查无法识别结果不同。

情况 1：data.table 表达式，其中 check 按预期工作

library(data.table)
library(microbenchmark)

# minimal data.table 1 col, 3 rows
dt <- data.table(x = c(1, 1, 10))

# define check function as in example section of help(microbenchmark)
my_check <- function(values) {
  all(sapply(values[-1], function(x) identical(values[[1]], x)))
}

基准案例旨在返回不同的结果。因此，

microbenchmark(
  f1 = dt[, mean(x)],
  f2 = dt[, median(x)],
  check = my_check
)

按预期返回错误消息：

错误：输入表达式不等效。

情况 2：检查失败的 data.table 表达式

现在，表达式被修改为改变dt引用。请注意，使用了相同的检查功能。

microbenchmark(
  f1 = dt[, y := mean(x)],
  f2 = dt[, y := median(x)],
  check = my_check
)

现在返回

 expr     min      lq     mean   median       uq     max neval cld
   f1 576.947 625.174 642.9820 640.7110 661.1870 732.391   100  a 
   f2 602.022 658.384 684.7076 678.9975 694.0825 978.600   100   b

因此，尽管这两个表达式对结果的检查在这里失败了are不同的。 （时间无关紧要。）

我了解检查确定失败是因为dt通过引用更改。因此，当比较每个表达式的结果时，总是在最后更改的状态下引用相同的对象。

Question

如何修改检查函数和/或表达式，以便即使在出现以下情况时检查也能可靠地检测到不同的结果data.table通过引用改变？

最简单的方法是使用copy():

microbenchmark(
    f1 = copy(dt)[, y := mean(x)],
    f2 = copy(dt)[, y := median(x)],
    check = my_check, times=1L
)
# Error: Input expressions are not equivalent.

Adding copy(dt)混合后可以了解复制所花费的时间（如果有必要，人们总是可以从运行时中减去该时间）f1 and f2).

microbenchmark(
    f1 = copy(dt)[, y := mean(x)],
    f2 = copy(dt)[, y := median(x)],
    f3 = copy(dt),
    times=10L
)
# Unit: microseconds
#  expr     min      lq     mean   median      uq     max neval cld
#    f1 298.690 306.508 331.6364 315.1400 347.788 414.264    10   b
#    f2 319.075 322.475 373.3873 329.3895 336.268 746.134    10   b
#    f3  19.180  19.750  28.3504  25.1745  26.111  70.016    10   a