r - 为什么在添加新列时会复制data.table？

Question

将新列添加到从磁盘加载的data.table时，它将被复制。

library('data.table')
dt <- data.table(a=1,b=2)
save.image("test.RData")
load("test.RData")
dt
$   a b
$1: 1 2

class(dt)
$[1] "data.table" "data.frame"

address(dt)
$[1] "00000000046F1F38"  

dt[, b := NULL]
address(dt)
$[1] "00000000046F1F38"
dt[, c := 2]
address(dt)
$[1] "000000000D815618"

这是一个错误还是我做错了什么？我正在使用data.table包的 1.9.6。

Answer 1

在创建data.table时，通过为列向量的列表过度分配指针槽来添加列时，data.table避免了复制。当您以这种方式加载data.table时，没有发生过度分配，并且在添加列后就完成了分配。这使得有必要进行复制。

library('data.table')
dt <- data.table(a=1,b=2)
save.image("test.RData")
load("test.RData")

truelength(dt)
#[1] 0

dt[, b := NULL]
truelength(dt)
#[1] 0

dt[, c := 2]
truelength(dt)
#[1] 101

引用 help("truelength"):

For tables loaded from disk however, truelength is 0 in R 2.14.0 and random in R <= 2.13.2; i.e., in both cases perhaps unexpected. data.table detects this state and over-allocates the loaded data.table when the next column addition or deletion occurs. All other operations on data.table (such as fast grouping and joins) do not need truelength.

似乎文档有些过时了，因为在删除列期间不会进行复制。

请注意，如果您添加的列多于在“正常”创建data.table期间过度分配的列，则也会发生复制。