合并data.table后使用:=赋值新列触发Invalid .internal.selfref错误求助

错误原因 #

当你用dplyr::left_join合并两个data.table时，返回的对象虽表面是data.table类型，但dplyr的操作已破坏了它的内部引用结构（.internal.selfref），导致data.table无法直接通过引用（:=）添加列，因此触发该提示（系统会自动做浅拷贝修复，但会额外消耗资源）。

解决方案 #

方案1：使用data.table原生合并函数

改用data.table内置的合并方法，确保生成的对象结构完整，支持直接引用赋值：

table1 <- data.table::data.table(A=c(1,2,3,4,5), B=c(1,2,3,4,5))
table2 <- data.table::data.table(C=c(5,4,3,2,1), B=c(1,1,1,2,2))

# 方法1：用merge实现左连接
table_merge <- merge(table1, table2, by = "B", all.x = TRUE)
table_merge[, new_col := "something"]

# 方法2：用data.table连接语法实现左连接
table_merge <- table2[table1, on = .(B), nomatch = NA]
table_merge[, new_col := "something"]

方案2：修复dplyr合并后的data.table结构

若必须使用dplyr的left_join，可通过setDT()重新整理对象内部结构，再进行引用赋值：

table1 <- data.table::data.table(A=c(1,2,3,4,5), B=c(1,2,3,4,5))
table2 <- data.table::data.table(C=c(5,4,3,2,1), B=c(1,1,1,2,2))

table_merge <- dplyr::left_join(table1, table2, by=dplyr::join_by(B))
# 修复内部引用结构
data.table::setDT(table_merge)
# 正常使用:=赋值
table_merge[, new_col := "something"]

方案3：直接用dplyr添加列

若不需要data.table的引用赋值特性，可直接用dplyr的mutate完成列添加：

table_merge <- dplyr::left_join(table1, table2, by=dplyr::join_by(B)) %>%
  dplyr::mutate(new_col = "something")

内容的提问来源于stack exchange，提问作者ReelSaemon