data.table使用by参数时警告信息不一致的原因探究

在使用data.table的by参数按分组引用生成新列时，当不同分组返回的数据类型不同（如整数int和数值num），会被强制转换为同一类型，但以下两个示例中，第一个无警告，第二个却出现类型转换警告，具体代码如下：

library(data.table)
DT <- data.table(a = c("rpois", "rnorm"))

# 示例1：无警告
DT[, b := ifelse(a == "rpois", 1L, 1.0), by = "a"]

# 示例2：出现警告
set.seed(6)
DT[, c := match.fun(a)(1, 1), by = "a"]

str(DT)

示例1无警告的原因 #

按a分组后，每个分组内的ifelse仅执行对应分支：

• 当a="rpois"时，仅返回1L（整数类型）；
• 当a="rnorm"时，仅返回1.0（数值类型）。
  虽然两个分组返回类型不同，但1.0转换为整数1L没有任何精度损失，data.table可以安全完成类型转换，因此不会触发警告。

示例2出现警告的原因 #

按a分组后，两个分组的返回结果存在本质差异：

• a="rpois"分组调用rpois(1,1)，返回整数类型向量（rpois的输出默认是integer）；
• a="rnorm"分组调用rnorm(1,1)，返回数值类型向量（rnorm的输出默认是numeric），且在set.seed(6)的情况下，该值为1.872765（非整数）。

data.table在合并分组结果时，会以第一个分组的类型作为目标类型（此处为integer），因此需要将第二个分组的非整数数值转换为整数。由于转换过程中会截断小数部分（1.872765转为1L），存在精度丢失，因此触发了类型转换警告。

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