R 准确了解 data.table 何时是对另一个 data.table 的引用(相对于副本)

是的，在R中使用<-(或=或->)的子分配可以复制whole对象.你可以用tracemem(DT)和.Internal(inspect(DT))来追踪，如下所示.data.table特征:=和set()通过引用分配给它们传递的任何对象.因此，如果该对象以前被复制过(通过子授权<-或显式copy(DT))，那么它就是通过引用修改的副本.

DT <- data.table(a = c(1, 2), b = c(11, 12)) 
newDT <- DT 

.Internal(inspect(DT))
# @0000000003B7E2A0 19 VECSXP g0c7 [OBJ,NAM(2),ATT] (len=2, tl=100)
#   @00000000040C2288 14 REALSXP g0c2 [NAM(2)] (len=2, tl=0) 1,2
#   @00000000040C2250 14 REALSXP g0c2 [NAM(2)] (len=2, tl=0) 11,12
# ATTRIB:  # ..snip..

.Internal(inspect(newDT))   # precisely the same object at this point
# @0000000003B7E2A0 19 VECSXP g0c7 [OBJ,NAM(2),ATT] (len=2, tl=100)
#   @00000000040C2288 14 REALSXP g0c2 [NAM(2)] (len=2, tl=0) 1,2
#   @00000000040C2250 14 REALSXP g0c2 [NAM(2)] (len=2, tl=0) 11,12
# ATTRIB:  # ..snip..

tracemem(newDT)
# [1] "<0x0000000003b7e2a0"

newDT$b[2] <- 200
# tracemem[0000000003B7E2A0 -> 00000000040ED948]: 
# tracemem[00000000040ED948 -> 00000000040ED830]: .Call copy $<-.data.table $<- 

.Internal(inspect(DT))
# @0000000003B7E2A0 19 VECSXP g0c7 [OBJ,NAM(2),TR,ATT] (len=2, tl=100)
#   @00000000040C2288 14 REALSXP g0c2 [NAM(2)] (len=2, tl=0) 1,2
#   @00000000040C2250 14 REALSXP g0c2 [NAM(2)] (len=2, tl=0) 11,12
# ATTRIB:  # ..snip..

.Internal(inspect(newDT))
# @0000000003D97A58 19 VECSXP g0c7 [OBJ,NAM(2),ATT] (len=2, tl=100)
#   @00000000040ED7F8 14 REALSXP g0c2 [NAM(2)] (len=2, tl=0) 1,2
#   @00000000040ED8D8 14 REALSXP g0c2 [NAM(2)] (len=2, tl=0) 11,200
# ATTRIB:  # ..snip..

请注意，即使a没有更改，a向量也是如何被复制的(不同的十六进制值表示向量的新副本).甚至整个b都被复制，而不仅仅是改变需要改变的元素.这对于 Big Data 来说很重要，也是为什么:=和set()被引入data.table的原因.

现在，使用我们复制的newDT，我们可以通过引用对其进行修改:

newDT
#      a   b
# [1,] 1  11
# [2,] 2 200

newDT[2, b := 400]
#      a   b        # See FAQ 2.21 for why this prints newDT
# [1,] 1  11
# [2,] 2 400

.Internal(inspect(newDT))
# @0000000003D97A58 19 VECSXP g0c7 [OBJ,NAM(2),ATT] (len=2, tl=100)
#   @00000000040ED7F8 14 REALSXP g0c2 [NAM(2)] (len=2, tl=0) 1,2
#   @00000000040ED8D8 14 REALSXP g0c2 [NAM(2)] (len=2, tl=0) 11,400
# ATTRIB:  # ..snip ..

请注意，所有3个十六进制值(列点的向量和2列中的每一列)保持不变.所以它确实是通过引用修改的，根本没有拷贝.

或者，我们可以参考修改原来的DT:

DT[2, b := 600]
#      a   b
# [1,] 1  11
# [2,] 2 600

.Internal(inspect(DT))
# @0000000003B7E2A0 19 VECSXP g0c7 [OBJ,NAM(2),ATT] (len=2, tl=100)
#   @00000000040C2288 14 REALSXP g0c2 [NAM(2)] (len=2, tl=0) 1,2
#   @00000000040C2250 14 REALSXP g0c2 [NAM(2)] (len=2, tl=0) 11,600
#   ATTRIB:  # ..snip..

这些十六进制值与我们在上面看到的DT的原始值相同.键入example(copy)以获取更多示例，使用tracemem并与data.frame进行比较.

顺便说一句，如果你tracemem(DT)然后DT[2,b:=600]你会看到一份报告.方法的第一个副本是10行.当用invisible()包装或在函数或脚本中调用时，不会调用print方法.

所有这些都适用于内部函数；i、 例如，:=和set()即使在函数中也不会进行写时复制.如果需要修改本地副本，则在函数开始时调用x=copy(x).但是，请记住data.table适用于 Big Data (以及小数据的更快编程优势).我们故意不想复制大对象(永远).因此，我们不需要考虑通常的3*工作记忆系数经验法则.我们尽量只需要一列的工作记忆(即工作记忆系数为1/ncol而不是3).