R语言对象内存追踪指南：数据拆分操作的内存复制疑问

关于操作是否复制原数据表的问题 #

data.table核心特性是按引用修改（modify-by-reference），大部分操作不会直接复制整个原表，你的拆分-聚合-合并流程也不会导致内存中出现两份完整的dt：

• 筛选dt[a1 == 1]：会生成一个新的data.table子集，但默认情况下这个子集的列是指向原表列的引用（而非复制数据），只有当你修改这个子集的内容时，才会触发写时复制（copy-on-write），生成独立的副本。
• 聚合其余记录（如dt[a1 != 1, .(agg_col = sum(col)), by = group]）：该操作仅基于原表的引用计算聚合结果，生成的是一个小型的聚合表，不会复制原表的全部数据。
• 合并两个结果：合并后生成的新表仅包含子集和聚合结果的数据，原表dt始终以单份存在于内存中，不会被完整复制。

适合内存知识薄弱者的追踪方法 #

推荐几个无需深入内存分配原理的实用工具：

• data.table自带tables()函数：直接在控制台输入tables()，即可查看当前所有data.table对象的内存大小、行数、列数等信息，实时监控内存占用。
• pryr::object_size()：查看单个对象的实际内存占用（会识别共享引用，避免重复计算），比如执行pryr::object_size(dt)、pryr::object_size(subset_dt)，对比操作前后的对象大小变化。
• gc()函数：手动触发垃圾回收后，函数会输出内存使用统计（已用/空闲内存），操作前后各执行一次gc()，就能直观看到内存的变化情况。
• RStudio环境面板：在RStudio的"Environment"标签页中，可直接查看每个对象的大小，操作过程中观察对象的新增、大小变化，无需编写额外代码。

内容的提问来源于stack exchange，提问作者Irgendniemand