在R中理解data.table的参考属性

Question

为了澄清一些事情，我想更好地了解在 data.table 中何时进行复制以及何时不进行复制。正如这个问题所指出的那样，如果只是运行以下代码，则最终会修改原始数据表：

library(data.table)

DT <- data.table(a=c(1,2), b=c(11,12))
print(DT)
#      a  b
# [1,] 1 11
# [2,] 2 12

newDT <- DT        # reference, not copy
newDT[1, a := 100] # modify new DT

print(DT)          # DT is modified too.
#        a  b
# [1,] 100 11
# [2,]   2 12

然而，如果这样做（例如），你最终会修改新版本：

DT = data.table(a=1:10)
DT
     a
 1:  1
 2:  2
 3:  3
 4:  4
 5:  5
 6:  6
 7:  7
 8:  8
 9:  9
10: 10

newDT = DT[a<11]
newDT
     a
 1:  1
 2:  2
 3:  3
 4:  4
 5:  5
 6:  6
 7:  7
 8:  8
 9:  9
10: 10

newDT[1:5,a:=0L]

newDT
     a
 1:  0
 2:  0
 3:  0
 4:  0
 5:  0
 6:  6
 7:  7
 8:  8
 9:  9
10: 10

DT
     a
 1:  1
 2:  2
 3:  3
 4:  4
 5:  5
 6:  6
 7:  7
 8:  8
 9:  9
10: 10

据我理解，这是因为当您执行 i 语句时， data.table 返回一个全新的表格，而不是对旧的 data.table 中选择元素所占用内存的引用。 这是正确的吗？

- Alex

---

即使 newDT <- DT[x < 11] 也会创建一个副本。在子集创建 newDT 后，执行 newDT[, b := 5]。使用 tracemem 和 .Internal(inspect(.)) 是理解此过程的有用工具。 - Arun

@Arun：很抱歉，我不确定我理解你的观点...你能否请解释一下你所指的是什么？你是说第一个例子与第二个例子的作用相同吗？如果是那样的话- 是的，那是真的。我只是想提供一个单独的例子来澄清事情。 - Alex

当你说“j语句”时，你指的是哪个语句？只是为了确认一下。我会写一个答案来解释我所说的内容。 - Arun

mnel的回答的第一行基本上就是我想要澄清的内容，现在可以忘记它了。 - Arun

Answer 1

在第二个示例中创建newDT时，您正在评估i（而不是j）。:=在j参数内通过引用进行分配。在i语句中没有相应的内容，因为自我引用会超额分配列，但不会超额分配行。 data.table是一个列表。它的长度==列数，但超额分配了，因此您可以添加更多列而无需复制整个表格（例如使用:=在j中）。

如果我们检查数据表，则可以看到truelength（tl = 100）——即列指针槽的数量。

 .Internal(inspect(DT))
@1427d6c8 19 VECSXP g0c7 [OBJ,NAM(2),ATT] (len=1, tl=100)
  @b249a30 13 INTSXP g0c4 [NAM(2)] (len=10, tl=0) 1,2,3,4,5,...

在data.table中，每个元素的长度为10，而且tl=0。目前还没有方法来增加列的truelength，以允许通过引用添加额外的行。

从?truelength：

当前，只有列指针的列表向量是过度分配的（即truelength(DT)），而不是列向量本身，这将在未来允许快速的行插入（fast row insert()）。

当您评估i时，data.table并不会检查您是否仅以与原始顺序相同的方式返回了所有行（然后仅在该情况下不复制），它只是返回副本。

- mnel

---

像往常一样，你的回答非常出色！我会避免尴尬并丢弃我的答案 :)。 - Arun

@mnel：我想我的问题没有表达清楚，或者我没有完全理解你的回答。我的意思是想了解当你评估“i”时，是否返回的是副本而不是引用。这是真的吗？ - Alex

@Alex 确切地说 - 我已经重新措辞了我的最后陈述（在第二次阅读时并不特别清楚）。 - mnel