为什么lapply()函数不能保留我的data.table键？

Question

我有一个数据表列表，想对每个数据表应用unique()函数，但这样做会破坏所有的数据表键。

以下是一个例子：

A <- data.table(a = rep(c("a","b"), each = 3), b = runif(6), key = "a")
B <- data.table(x = runif(6), b = runif(6), key = "x")

blah <- unique(A)

在这里，blah仍然有一个键，世界上一切都正确：

key(blah)

# [1] "a"

但是，如果我将data.tables添加到列表中并使用lapply()，则键会被破坏：

dt.list <- list(A, B)

unique.list <- lapply(dt.list, unique) # Keys destroyed here

lapply(unique.list, key) 

# [[1]]
# NULL

# [[2]]
# NULL

我可能并不真正理解赋予键“通过引用”意味着什么，这也导致了其他键丢失的问题。

所以：

• 为什么lapply不能保留我的键？
• 说键是“通过引用”赋值，这是什么意思？
• 我是否应该将data.table存储在列表中？
• 如何安全地存储/操作数据表，而不必担心丢失我的键？

编辑：

值得一提的是，可怕的for循环也可以正常工作：

unique.list <- list()

for (i in 1:length(dt.list)) {
  unique.list[[i]] <- unique(dt.list[[i]])
}

lapply(unique.list, key)

# [[1]]
# [1] "a"

# [[2]]
# [1] "x"

但这是R语言，for循环是有害的。

- Paul Murray

---

有趣的是，unique.list[[1]] != unique(A)。我的猜测是，也许在lapply语句中被调用的是{base}的unique而不是{data.table}的unique，虽然这只是一个猜测。 - Ricardo Saporta

我认为你是对的。我刚刚注意到，除了键被销毁之外，“unique”在通过“lapply”传递时甚至没有发挥作用。 - Paul Murray

@PaulMurray +1 好问题，但 _destroy_（销毁）似乎有点过于强烈了。在这种情况下它并不 _retain_（保留）它们。 - Matt Dowle

@MatthewDowle "语言已编辑" - Paul Murray

或者你应该像“data.table和lapply消除表键”一样走到底。 - statquant

Answer 1

有趣的是，注意这两个不同结果之间的差异。

lapply(dt.list, unique) 
lapply(dt.list, function(x) unique(x)) 

如果您使用后者，结果将如您所预期。

---

看似令人意外的行为是由于第一个语句调用了（即来自），而第二个调用了造成的。

- Ricardo Saporta

---

@Plmrry 我认为当你将data.table存储为列表时，你会失去data.table提供的一个重要优势，即通过避免不必要的复制来实现内存效率。个人而言，我会将我的data.table名称存储为列表，然后通过get(name)来获取它们。这样的代码可能有点丑陋，但速度更快。 - Ricardo Saporta

是的，看起来我应该放弃将data.table存储在列表中。我有几个函数可以抓取XML并输出关系表的列表，但我想我应该将它们保留在环境中，并将它们全部保存为RData... 当涉及到处理大量数据表（或框架），特别是当我想要将它们作为参数传递时，我仍在寻找“最佳实践”。 - Paul Murray

@MatthewDowle 好的，这些是独立的关系表，所以我不能使用rbind将它们合并。例如，我的函数可能会抓取“学校”、“学生”和“州”，每个都通过一个关系表与其他表相关联，例如“学校.学生”。 - Paul Murray

@MatthewDowle 我没意识到有一个 rbindlist！ - Ricardo Saporta

@RicardoSaporta 你还不知道什么是你不知道的吗？你见过unknownR::unk()吗？ :-) 像data.table这样的软件包列表可以传递给它。 - Matt Dowle

Answer 2

很好的问题。事实证明，在?lapply（请参见注释部分）中有记录：

由于历史原因，lapply创建的调用未被评估，而且编写了代码（例如bquote）依赖此功能。这意味着记录的调用始终采用FUN（X [[0L]]，...）的形式，其中0L替换为当前整数索引。这通常不是问题，但如果FUN使用sys.call或match.call或者它是使用调用的原始函数，则可能会出现问题。这意味着通常更安全地使用包装器调用原始函数，以便例如，在R 2.7.1中需要使用lapply（ll，function（x）is.numeric（x））来确保is.numeric的方法调度正确。

- Matt Dowle