通过引用分配到加载的包数据集中

Question

我正在创建一个包，该包使用data.table 作为数据集，并具有几个使用:= 通过引用分配的函数。

我已经构建了一个简单的包来演示我的problem

 library(devtools)
 install_github('foo','mnel')

它包含两个功能

foo <- function(x){
  x[, a := 1]
}
fooCall <- function(x){
  eval(substitute(x[, a :=1]),parent.frame(1))
} 

和一个数据集（非延迟加载）DT，使用

创建

DT <- data.table(b = 1:5)
save(DT, file = 'data/DT.rda')

当我安装这个包时，我的理解是foo(DT) 应该在DT 中通过引用分配。

 library(foo)
 data(DT)
 foo(DT)
   b a
1: 1 1
2: 2 1
3: 3 1
4: 4 1
5: 5 1

# However this has not assigned by reference within `DT`

DT
   b
1: 1
2: 2
3: 3
4: 4
5: 5

如果我使用更多correct

tracmem(DT)
DT <- foo(DT)
# This works without copying
DT 
 b a
1: 1 1
2: 2 1
3: 3 1
4: 4 1
5: 5 1
untracemem(DT)

如果我在函数中使用eval 和substitute

fooCall(DT)
   b a
1: 1 1
2: 2 1
3: 3 1
4: 4 1
5: 5 1
# it does assign by reference 
DT
   b a
1: 1 1
2: 2 1
3: 3 1
4: 4 1
5: 5 1

我应该坚持吗

1. DT <- foo(DT) 或 eval/substitute 路由，或
2. 关于data 如何加载数据集，即使不是懒惰，我是否有什么不明白的地方？

Answer 1

另一种解决方案是使用inst/extdata 保存rda 文件（其中将包含任意数量的data.table 对象）并在data 子目录中拥有一个文件DT.r

# get the environment from the call to `data()`
env <- get('envir', parent.frame(1))
# load the data
load(system.file('extdata','DT.rda', package= 'foo'), envir = env)
# overallocate (evaluating in correct environment)
if(require(data.table)){
# the contents of `DT.rda` are known, so write out in full
  evalq(alloc.col(DT), envir = env)

}
# clean up so `env` object not present in env environment after calling `data(DT)`
rm(list = c('env'), envir = env)



}

Answer 2

这与数据集或锁定无关——您可以简单地使用复制它

DT<-unserialize(serialize(data.table(b = 1:5),NULL))
foo(DT)
DT

我怀疑这与data.table 必须在第一次访问DT 时在对象内重新创建 extptr 的事实有关，但它是在副本上这样做的，所以它无法共享在全局环境中与原来的修改。

---

[来自马修]正是。

DT<-unserialize(serialize(data.table(b = 1:3),NULL))
DT
   b
1: 1
2: 2
3: 3
DT[,newcol:=42]
DT                 # Ok. DT rebound to new shallow copy (when direct)
   b newcol
1: 1     42
2: 2     42
3: 3     42

DT<-unserialize(serialize(data.table(b = 1:3),NULL))
foo(DT)
   b a
1: 1 1
2: 2 1
3: 3 1
DT                 # but not ok when via function foo()
   b
1: 1
2: 2
3: 3

DT<-unserialize(serialize(data.table(b = 1:3),NULL))
alloc.col(DT)      # alloc.col needed first
   b
1: 1
2: 2
3: 3
foo(DT)
   b a
1: 1 1
2: 2 1
3: 3 1
DT                 # now it's ok
   b a
1: 1 1
2: 2 1
3: 3 1

或者，不要将DT传入函数中，直接引用即可。像数据库一样使用data.table：.GlobalEnv 中的一些固定名称表。

DT <- unserialize(serialize(data.table(b = 1:5),NULL))
foo <- function() {
   DT[, newcol := 7]
}
foo()
   b newcol
1: 1      7
2: 2      7
3: 3      7
4: 4      7
5: 5      7
DT              # Unserialized data.table now over-allocated and updated ok.
   b newcol
1: 1      7
2: 2      7
3: 3      7
4: 4      7
5: 5      7