r语言 - 使用colnames()设置变量，更新数据.表使用:=操作符，变量被静默更新

Question

这个有点奇怪…似乎通过在数据中创建一个新列。

使用:=操作符，先前分配的变量(使用colnames创建)将静默更改。

这是预期的行为吗?如果不是，是什么错?

# 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!

为了比较，我想我会看看通过data.frame方法添加新列是否有同样的问题。它不:

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

所以这是数据的错误。表:=操作符，还是预期行为?

谢谢!

Answer 1

简答，使用copy

colsdt <- copy(colnames(dt))

那么你们都很好。

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

---

在一般情况下(即在基数R中)，赋值操作符<-在给对象赋值时创建对象的新副本。即使在为相同的对象名称赋值时也是如此，比如在x <- x + 1中，或者更昂贵的DF$newCol <- DF$a + DF$b中。对于大型对象(考虑100K+行，数十或数百列)。更糟糕的是，如果有更多的列)，这可能会变得非常昂贵。

data.table，通过纯巫术(读:C代码)避免了这个开销。相反，它所做的是设置指向已经存储对象值的相同内存位置。这提供了巨大的效率& &;sp提振。

但这也意味着你经常有一些对象，否则它们可能看起来是完全不同和独立的对象实际上是同一个

这就是copy的由来。它创建对象的新副本，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:我使用术语"源"one_answers"目标"非常宽松，它们指的是赋值关系destination <- source

这实际上是预期的行为，承认有点混乱。

在基数R中，当您通过<-赋值时，两个对象指向相同的内存位置，直到其中一个发生变化。这种处理内存的方式有很多好处，也就是说，只要两个对象具有相同的确切值，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

一旦两个对象中的中的发生变化，那么这个"键"就被打破了。也就是说，改变"源"或"目标"对象都会导致该对象被重新分配到一个新的内存位置。

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

data.table的问题在于我们很少重新分配实际数据。表对象。注意，如果我们修改"destination"对象，那么它就会被移出(复制)那个内存位置。

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"

---

避免的情况:

然而，由于在使用data.table时，我们(几乎)总是通过引用进行修改，这可能会导致意想不到的结果。即:

• 我们从赋值一个数据。表对象使用标准<-赋值操作符
• 然后我们改变"source" data的值。table
• 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。

这当然会引起问题。

data.table是一个非常强大的包。它的力量来源是它的长发，它尽可能避免复制的事实。

最佳实践:

这就把责任转移给了用户，在复制和期望复制时要深思熟虑和明智。

换句话说，最佳实践是:当您希望副本存在时，请使用copy函数。