Question

我的小组使用data.table写了很多代码，我们偶尔会被'检测到无效的.internal.selfref并通过获取整个表的副本来修复...'警告。当通过引用函数传递数据表时，此行为可能会破坏我们的代码，并且我试图弄清楚如何解决它。

假设我有一个函数，它将一个列添加到data.table作为副作用 - 注意不返回原始的data.table。

foo <- function(mydt){
   mydt[, c := c("a", "b")]
   return(123)
)

> x<- data.table(a=c(1,2), b=c(3,4))
> foo(x) 
[1] 123
> x
   a b c
1: 1 3 a
2: 2 4 b

x已使用新列更新。这是理想的行为。

现在假设发生了一些违反x：

内部自我引用的事情

> x<- data.table(a=c(1,2), b=c(3,4))
> x[["a"]] <- c(7,8)
> foo(x)
[1] 123
Warning message:
In `[.data.table`(mydt, , `:=`(c, c("a", "b"))) :
Invalid .internal.selfref detected and fixed by taking a copy ...

 > x
    a b
 1: 7 3
 2: 8 4

我明白发生了什么（大多数情况下）。 [[“a”]]结构不是data.table友好; x被转换为数据框，然后返回到数据表，这在某种程度上搞砸了内部工作。然后在foo（）内部，在添加列的引用操作期间，检测到该问题，并且制作了mydt的副本;新列“c”已添加到mydt。但是，该复制操作切断了x和mydt之间的传递引用关系，因此附加列不是x的一部分。

函数foo（）将被不同的人使用，并且很难防止无效的内部selfref情况。有人可能很容易做一些像x [[“a”]]这样会导致无效输入的东西。我正在试图弄清楚如何从foo里面处理这个问题。

到目前为止，我有这个想法，在foo（）的开头：

if(!data.table:::selfrefok(mydt)) stop("mydt is corrupt.")

这至少让我们有机会发现问题，但它对foo（）的用户不是很友好，因为这些输入可能被破坏的方式可能非常不透明。理想情况下，我希望能够纠正损坏的输入并维护foo（）的所需功能。但我无法看到如何，除非我重构我的代码，以便foo返回mydt并将其分配给调用范围中的x，这可能但不理想。有什么想法吗？

Answer 1

你应该阅读整个警告......

然后你会注意到

在较早的时候，此data.table已由R复制（或使用structure（）或类似方法手动创建）。避免使用键＆lt; - ，名称＆lt; - 和attr＆lt; - 当前（并且奇怪地）在R中可以复制整个data.table。

[[<-与names<-和attr<-类似，因为它会创建副本。

您可以确保by-reference行为是使用substitute构造调用，然后在父框架中进行评估

foo <- function(x) {
   l <- substitute(x[,c := 'a'], as.list(match.call())['x']); 
   eval.parent(l)
   return(123)}

xx<- data.table(a=c(1,2), b=c(3,4))
xx[["a"]] <- c(7,8)
foo(xx)
# [1] 123
# Warning message: .....

# but it now works!
xx
#    a b c
# 1: 7 3 a
# 2: 8 4 a

警告仍然存在，但功能可以正常工作。

Answer 2

@pteehan，好问题！在我看来，一个更清洁的修复方法是在分配步骤中恢复过度分配，使用警告基本上说＆＃34;不要这样做！＆＃34;

这样做的方法是通过当前不存在的[[<-.data.table方法。除非我遗漏了某些内容，否则它将是一个很好的补充，其目的是不鼓励使用它，但是要抓住这样的案例并引导人们正确使用（使用警告），同时恢复过度分配。

大致是：

`[[<-.data.table` <- function(x, i, j, value) {
    warning("Don't do this. Use := instead.")
    call = sys.call()
    call[[1L]] = `[[<-.data.frame`
    ans = copy(eval(call, envir=parent.frame()))
}

foo <- function(mydt) {
   mydt[, c := c("a", "b")]
   return(123)
}
x <- data.table(a = c(1,2), b = c(3,4))

x[["a"]] <- c(7,8)
# Warning message:
# In `[[<-.data.table`(`*tmp*`, "a", value = c(7, 8)) :
#   Don't do this. Use := instead.

data.table:::selfrefok(x)
# [1] 1

foo(x)
# [1] 123

x
#    a b c
# 1: 7 3 a
# 2: 8 4 b

我认为，这些方面应该提供更清晰的解决方案。也许这应该得到实施。

PS：This post详细解释了为什么问题中会出现警告。

通过引用函数传递时，处理R data.table中的无效selfref

2 个答案: