r - 为什么 data.table 会通过引用更新名称(DT)，即使我分配给另一个变量？

Question

我存储了 data.table 的名称作为vector :

library(data.table)
set.seed(42)
DT <- data.table(x = runif(100), y = runif(100))
names1 <- names(DT)

据我所知，这是一个普通的字符向量:

str(names1)
# chr [1:2] "x" "y"

class(names1)
# [1] "character"

dput(names1)
# c("x", "y")

但是，这不是普通的字符向量。这是一个神奇的字符向量!当我向我的 data.table 添加新列时，该矢量已更新!

DT[ , z := runif(100)]
names1
# [1] "x" "y" "z"

我知道这与:=有关。通过分配更新，但这对我来说仍然很神奇，正如我所期望的 <-制作 data.table 的副本的名字。

我可以通过将名称包装在 c() 中来解决此问题:

library(data.table)
set.seed(42)
DT <- data.table(x = runif(100), y = runif(100))

names1 <- names(DT)
names2 <- c(names(DT))
all.equal(names1, names2)
# [1] TRUE

DT[ , z := runif(100)]
names1
# [1] "x" "y" "z"

names2
# [1] "x" "y"

我的问题有两个:

1. 为什么不names1 <- names(DT)创建 data.table 的副本的名字？在其他情况下，我们会明确警告 <-创建 data.table 的副本和 data.frame
2. names1 <- names(DT) 之间有什么区别和names2 <- c(names(DT)) ？

Answer 1

更新:现已添加到 ?copy 的文档中在1.9.3版本中。来自 NEWS :

14. Moved ?copy to it's own help page, and documented that dt_names <- copy(names(DT)) is necessary for dt_names to be not modified by reference as a result of updating DT by reference (ex: adding a new column by reference). Closes #512. Thanks to Zach for this SO question and user1971988 for this SO question.

<小时/>

你的第一个问题的一部分让我有点不清楚你对 <- 的真正含义。运算符(至少在 data.table 的上下文中)，尤其是以下部分:在其他情况下，我们明确警告 <- 创建 data.tables 和 data.frames 的副本。 p>

因此，在回答您的实际问题之前，我将在这里简要介绍一下。如果是data.table一个<- (赋值)仅仅不足以复制 data.table 。例如:

DT <- data.table(x = 1:5, y= 6:10)
# assign DT2 to DT
DT2 <- DT # assign by reference, no copy taken.
DT2[, z := 11:15]
# DT will also have the z column

如果您想创建 copy ，那么你必须使用 copy 明确提及它命令。

DT2 <- copy(DT) # copied content to DT2
DT2[, z := 11:15] # only DT2 is affected

来自 CauchyDistributedRV，我明白你的意思是作业 names(dt) <- .这会导致警告。我就这样保留它。

<小时/>

现在，回答你的第一个问题:看来names1 <- names(DT)也有类似的行为。直到现在我才想到/知道这一点。 .Internal(inspect(.))命令在这里非常有用:

.Internal(inspect(names1))
# @7fc86a851480 16 STRSXP g0c7 [MARK,NAM(2)] (len=2, tl=100)
#   @7fc86a069f68 09 CHARSXP g1c1 [MARK,gp=0x61] [ASCII] [cached] "x"
#   @7fc86a0f96d8 09 CHARSXP g1c1 [MARK,gp=0x61] [ASCII] [cached] "y"

.Internal(inspect(names(DT)))
# @7fc86a851480 16 STRSXP g0c7 [MARK,NAM(2)] (len=2, tl=100)
#   @7fc86a069f68 09 CHARSXP g1c1 [MARK,gp=0x61] [ASCII] [cached] "x"
#   @7fc86a0f96d8 09 CHARSXP g1c1 [MARK,gp=0x61] [ASCII] [cached] "y"

在这里，您可以看到它们指向相同的内存位置 @7fc86a851480 。甚至是truelength的names1是 100(默认分配在 data.table 中，请检查 ?alloc.col )。

truelength(names1)
# [1] 100

基本上，作业 names1 <- names(dt)似乎是通过引用发生的。即names1指向与 dt 的列名指针相同的位置。

回答你的第二个问题:命令c(.)似乎创建了一个副本，因为没有检查连接操作导致的内容结果是否不同。也就是说，因为c(.)操作可以更改向量的内容，它会立即导致“复制”而不检查内容是否被修改。