r - 在 for 循环中通过 `:=` 进行分配(R data.table)

Question

我正在尝试在 for 中分配一些新变量循环(我正在尝试创建一些具有通用结构的变量，但它们依赖于子样本)。

我一生都在尝试在样本数据上重现这个错误，但我不能。这是有效的代码并了解我想做的事情的要点:

DT <- data.table(
  id = rep(1:100, each = 20L),
  period = rep(-9:10, 100L),
  grp = rep(sample(4L, size = 100L, replace = TRUE), each = 20L),
  y = runif(2000, min=0, max=5), key = c("id", "period")
)
DT[ , x := cumsum(y), by = id]
DT2 <- DT[id %in% seq(1, 100, by=2)]
DT3 <- DT[id %in% seq(1, 100, by=3)]

for (dd in list(DT, DT2, DT3)){
  setkey(setkey(dd, grp)[dd[period==0, sum(x), by = grp], x_at_0_by_grp := V1], id, period)
}

这工作正常 - 但是，当我对自己的代码执行此操作时，它会生成无效 .internal.selfref警告(并且不会创建我想要的变量):

In [.data.table(setkey(dt, treatment), dt[posting_rel == 0, sum(current_balance), : Invalid .internal.selfref detected and fixed by taking a copy of the whole table so that := can add this new column by reference. At an earlier point, this data.table has been copied by R (or been created manually using structure() or similar). Avoid key<-, names<- and attr<- which in R currently (and oddly) may copy the whole data.table. Use set* syntax instead to avoid copying: ?set, ?setnames and ?setattr. Also, in R<=v3.0.2, list(DT1,DT2) copied the entire DT1 and DT2 (R's list() used to copy named objects); please upgrade to R>v3.0.2 if that is biting. If this message doesn't help, please report to datatable-help so the root cause can be fixed.

事实上，当我将我的数据子集到只有合并中需要的那些列时，它也可以很好地处理我的数据(尽管不会保存到原始数据集)。

这向我表明这是键控的问题，但我在每一步都明确设置键。我完全不知道如何从这里调试它，因为除了我的完整数据集之外，我无法重复出现错误。

如果我将操作分解为多个步骤，则在合并步骤中会出现错误:

for (dd in list(DT, DT2, DT3)){
  dummy <- dd[period==0, sum(x), by = grp]
  setkey(dd, grp)
  dd[dummy, x_at_0_by_grp := V1] #***ERROR HERE***
  setkey(dd, id, period)
}

快速更新——如果我用 lapply 转换这个也会产生错误而不是在 for 内环形。

任何想法到底发生了什么？

更新:我想出了一个解决方法:

nnames <- c("dt", "dt2", "dt3")

dt_list <- list(DT, DT2, DT3)

for (ii in 1:3){
  dummy <- copy(dt_list[[ii]])
  dummy[ , x_at_0_by_grp := sum(x[period == 0]), by=grp]
  assign(nnames[ii], dummy)
}

仍然想了解发生了什么，也许是在这种情况下迭代分配变量的更好方法。

Answer 1

使用 20-30 个条件，将它们保留在列表之外(手动名称如 dt2 等)太笨拙，所以我假设您将它们全部放在 dt_list 中.

我建议只用你正在计算的统计数据制作表格，然后 rbind对他们:

xxt <- rbindlist(lapply(1:length(dt_list),function(i) 
         dt_list[[i]][,list(cond=i,xx=sum(x[period==0])),by=grp]))

这创造了

    grp cond       xx
 1:   1    1 623.3448
 2:   2    1 784.8438
 3:   4    1 699.2362
 4:   3    1 367.7196
 5:   1    2 323.6268
 6:   4    2 307.0374
 7:   2    2 447.0753
 8:   3    2 185.7377
 9:   1    3 275.4897
10:   4    3 243.0214
11:   2    3 149.6041
12:   3    3 166.3626

如果你真的想要这些变量，你可以很容易地合并回来。例如，对于 dt2 :

myi = 2
setkey(dt_list[[myi]],grp)[xxt[cond==myi,list(grp,xx)]]

这并不能解决您遇到的错误，但我认为这是一种更好的方法。