使用 colnames() 设置变量，使用 := 运算符更新 data.table，变量是否默默更新？ [复制]

嗯，这有点奇怪......似乎通过使用 := 运算符在 data.table 中创建新列，先前分配的变量（使用 colnames 创建）会默默地更改。

这是预期的行为吗？如果不是有什么问题呢？

# Lets make a simple data table
require(data.table)
dt <- data.table(fruit=c("apple","banana","cherry"),quantity=c(5,8,23))
dt
    fruit quantity
1:  apple        5
2: banana        8
3: cherry       23

# and assign the column names to a variable
colsdt <- colnames(dt)
str(colsdt)
 chr [1:2] "fruit" "quantity"

# Now let's add a column to the data table using the := operator
dt[,double_quantity:=quantity*2]
dt
    fruit quantity double_quantity
1:  apple        5              10
2: banana        8              16
3: cherry       23              46

# ... and WITHOUT explicitly changing 'colsdt', let's take another look:
str(colsdt)
 chr [1:3] "fruit" "quantity" "double_quantity"

# ... colsdt has been silently updated!

为了进行比较，我想看看通过 data.frame 方法添加新列是否有同样的问题。它没有：

dt$triple_quantity=dt$quantity*3
dt
    fruit quantity double_quantity triple_quantity
1:  apple        5              10              15
2: banana        8              16              24
3: cherry       23              46              69

# ... again I make no explicit changes to colsdt, so let's take a look:
str(colsdt)
 chr [1:3] "fruit" "quantity" "double_quantity"

# ... and this time it is NOT silently updated

那么这是 data.table := 运算符的错误还是预期的行为？

Thanks!

简短回答，使用copy

colsdt <- copy(colnames(dt))

那你们就都好了。

dt[,double_quantity:=quantity*2]
str(colsdt)
# chr [1:2] "fruit" "quantity"

一般情况下（即在基础上）R)，赋值运算符<-为对象赋值时创建对象的新副本。即使分配给相同的对象名称也是如此，如x <- x + 1，或者成本更高，DF$newCol <- DF$a + DF$b。对于大型对象（考虑 100K+ 行、数十或数百列。如果更多列更糟糕），这可能会变得非常昂贵。

data.table， 通过纯粹的巫术（阅读：C 代码）避免了这种开销。相反，它所做的是设置一个指向 已存储对象值的同一内存位置。这就是提供巨大效率和速度提升的原因。

但这也意味着您经常拥有可能看起来完全不同且独立的对象 实际上是一回事

这是哪里copy它创建一个对象的新副本，而不是通过引用传递。

关于为什么会发生这种情况的更多细节。

注意：我非常宽松地使用术语“源”和“目标”，它们指的是分配关系destination <- source

这实际上是预期的行为，诚然有点令人困惑。

In base R，当您通过分配<-，两个对象指向同一内存位置，直到其中一个对象发生变化。 这种处理内存的方式有很多好处，即只要两个对象具有相同的精确值，就不需要复制内存。这一步要尽可能推迟。

a <- 1:5
b <- a
.Internal(inspect(a))  # @11a5e2a88 13 INTSXP g0c3 [NAM(2)] (len=5, tl=0) 1,2,3,4,5
.Internal(inspect(b))  # @11a5e2a88 13 INTSXP g0c3 [NAM(2)] (len=5, tl=0) 1,2,3,4,5
                            ^^^^  Notice the same memory location

Once either两个物体的变化，那么“纽带”就被打破了。也就是说，更改“源”或“目标”对象将导致该对象被重新分配到新的内存位置。

a[[3]] <- a[[3]] + 1
.Internal(inspect(a))  # @11004bc38 14 REALSXP g0c4 [NAM(1)] (len=5, tl=0) 1,2,4,4,5
                             ^^^^ New Location
.Internal(inspect(b))  # @11a5e2a88 13 INTSXP g0c3 [NAM(2)] (len=5, tl=0) 1,2,3,4,5
                          ^^^^^ Still same as it was before; 
                                note the actual value. This is where `a` _had_ been

问题在data.table情况是这样的我们很少重新分配实际的 data.table 对象。 请注意，如果我们修改“目标”对象，那么它就会从该内存位置移动（复制）。

colsdt <- colnames(dt)
.Internal(inspect(colnames(dt)))  # @114859280 16 STRSXP g0c7 [MARK,NAM(2)] (len=2, tl=100)
.Internal(inspect(colsdt))        # @114859280 16 STRSXP g0c7 [MARK,NAM(2)] (len=2, tl=100)
                                      ^^^^  Notice the same memory location
# insiginificant change
colsdt[] <- colsdt
.Internal(inspect(colsdt))       # @100aa4a40 16 STRSXP g0c2 [NAM(1)] (len=2, tl=100)

# we can test the original issue from the OP:
dt[, newCol := quantity*2]
str(colnames(dt))   #  chr [1:3] "fruit" "quantity" "newCol"
str(colsdt)         #  chr [1:2] "fruit" "quantity"

应避免的情况：

然而，自从与data.table， 我们是 （almost) 始终通过引用进行修改，这可能会导致意外结果。即，以下情况：

• 网络分配from使用标准的 data.table 对象<-赋值运算符
• 然后我们随后更改“源”data.table 的值
• 我们期望（并且我们的代码可能依赖于）“目标”对象仍然具有先前分配给它的值。

这当然会引起一个问题。

data.table is an amazingly powerful package. The source of its strength is its long hair the fact that it avoids making copies whenever possible.

最佳实践：

这将责任转移给了用户，在复制和期望复制时必须深思熟虑和明智。

换句话说，最佳实践是： 当您期望存在副本时，请使用复制功能。