data.table链式操作中cumsum失效及原数据被修改问题排查

问题重现 #

假设你的代码类似这样：

testDF <- data.frame(a = 1:5, b = 1:5)

# 正常运行并修改原数据
setDT(testDF)[, cumSum := cumsum(b)]

# 链式操作无输出
setDT(testDF)[, cumSum := cumsum(b)][, sumB := sum(b)]  # this doesn't work

# 执行后原testDF被修改，sumB列全为15

出错原因 #

1. 链式操作无输出：
   data.table的:=赋值操作默认返回修改后的data.table，但在链式操作中，若末尾没有显式触发打印，控制台不会自动输出结果。这是data.table的设计逻辑——优先保证高效修改，而非自动打印，除非主动触发（比如加[]或print()）。而单独执行setDT(testDF)[, cumSum := cumsum(b)]能输出，是因为控制台会自动打印单行代码的返回值。

2. sum操作修改原数据：
   setDT(x)是原地转换，会直接把原data.frame对象转换成data.table，不会创建副本。之后所有:=操作都是原地修改原对象，不管是否使用链式操作。[, sumB := sum(b)]会把sum(b)的聚合结果（15）赋值给每一行的sumB列，自然会改动原testDF。

解决方法与可行方案 #

1. 让链式操作输出结果 #

在链式操作末尾添加[]，触发data.table打印修改后的结果：

testDF <- data.frame(a = 1:5, b = 1:5)
setDT(testDF)[, cumSum := cumsum(b)][, sumB := sum(b)][]

执行后直接输出修改后的data.table：

a b cumSum sumB
1: 1 1      1   15
2: 2 2      3   15
3: 3 3      6   15
4: 4 4     10   15
5: 5 5     15   15

2. 避免修改原数据框 #

如果不想改动原testDF，先创建副本再操作：

testDF <- data.frame(a = 1:5, b = 1:5)
# 复制原数据后转成data.table
dt <- copy(testDF)
setDT(dt)[, cumSum := cumsum(b)][, sumB := sum(b)][]

# 原testDF不会被修改
print(testDF)

3. 简洁的链式写法（推荐） #

用as.data.table()创建副本，避免原地修改原数据：

testDF <- data.frame(a = 1:5, b = 1:5)
as.data.table(testDF)[, cumSum := cumsum(b)][, sumB := sum(b)][]

这样原testDF依然是data.frame，不会被修改，同时能得到带累加列和求和列的结果。

预期输出示例 #

最终结果如下：

a b cumSum sumB
1: 1 1      1   15
2: 2 2      3   15
3: 3 3      6   15
4: 4 4     10   15
5: 5 5     15   15

内容的提问来源于stack exchange，提问作者Village.Idyot