我是否需要在函数内将 copy() 与 data.table 对象一起使用？

Question

我是否需要在函数内部使用 copy() 以避免对输入进行意外修改data.table？

例如

myfun <- function(mydata) {   
     mydata[,newcolumn := .N,by=id]   
     setnames(mydata, "newcolumn", "Count")
     return(table(mydata$Count))
}

或

myfun <- function(mydata) {   
     temp <- copy(mydata)
     temp[,newcolumn := .N,by=id]   
     setnames(temp, "newcolumn", "Count")
     return(table(temp$Count))
}

或者将 data.table 传递给函数是否已经创建了一个副本，即使我使用 := 赋值？

Answer 1

@Henrik 到的链接答案确实解释了回答您问题的所有细节。

您的示例函数的这个（修改后的）版本不修改传递的 data.table:

library(data.table)
dt <- data.table(id = 1:4, a = LETTERS[1:4])
myfun2 <- function(mydata) {   
  x <- mydata[, .(newcolumn = .N), by=id]
  setnames(x, "newcolumn", "Count")
  return(table(x$Count))
}
myfun2(dt)

这不会复制整个 data.table（这会浪费 RAM 和 CPU 时间），只会将聚合结果写入一个新的 data.table可以修改而没有副作用（=原始data.table没有变化）。

> str(dt)
Classes ‘data.table’ and 'data.frame':  4 obs. of  2 variables:
 $ id: int  1 2 3 4
 $ a : chr  "A" "B" "C" "D"

A data.table 总是通过对函数的引用传递，因此您必须小心不要修改它，除非您绝对确定要这样做。

data.table 包正是为这种高效的数据修改方式而设计的，无需通常的 "COW" ("copy on (first) write") 原则来支持高效的数据操作。

"Dangerous"修改adata.table的操作主要有：

:=赋值修改或新建列"in-place"
所有 set* 函数

如果您不想修改 data.table，您可以仅使用行过滤器和列（选择）表达式（i、j、by等参数）。

如果您在第二个（或更高版本的）链中修改 "by ref"，链接也会阻止对原始 data.frame 的修改：

myfun3 <- function(mydata) {
  # chaining also creates a copy 
  return(mydata[id < 3,][, a := "not overwritten outside"])
}

myfun3(dt)
# > str(dt)
# Classes ‘data.table’ and 'data.frame':    4 obs. of  3 variables:
# $ id: int  1 2 3 4
# $ a : chr  "A" "B" "C" "D"

我是否需要在函数内将 copy() 与 data.table 对象一起使用？

Do I need to use copy() with data.table objects inside a function?

r

function

pass-by-reference

data.table