了解 R 中 data.table 的引用属性

Question

只是为了自己清理一些东西，我想更好地了解何时制作副本以及何时不在data.table 中。正如这个问题所指出的Understanding exactly when a data.table is a reference to (vs a copy of) another data.table，如果你只是简单地运行以下命令，那么你最终会修改原来的：

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

但是，如果这样做（例如），那么您最终会修改新版本：

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

据我了解，发生这种情况的原因是，当您执行 i 语句时，data.table 返回一个全新的表，而不是对旧 data.table 的选择元素占用的内存的引用.这是正确的和真实的吗？

编辑：对不起，我的意思是 i 不是 j（在上面进行了更改）

Answer 1

当您在第二个示例中创建 newDT 时，您正在评估 i（而不是 j）。 := 在 j 参数中通过引用分配。 i 语句中没有等效项，因为自引用分配了列，而不是行。

data.table 是一个列表。它的长度 == 列数，但已过度分配，因此您可以添加更多列而无需复制整个表（例如，在 j 中使用 :=）

如果我们检查data.table，那么我们可以看到truelength (tl = 100) -- 即列指针槽数

 .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 和 tl=0。目前没有办法增加列的truelength 以允许通过引用附加额外的行。

来自?truelength

目前，它只是列指针的列表向量 过度分配（即真长度（DT）），而不是列向量 他们自己，这将在未来允许快速行插入（）

当您评估 i 时，data.table 不会检查您是否简单地以与原始相同的顺序返回所有行（然后在这种情况下不复制），它只是返回副本。