data.table中链式赋值与同括号赋值结果差异的原理探究

核心原因 #

这俩操作的本质区别是是否直接修改原表：

• dt[i, j]是data.table的原生语法，当j里写了:=赋值时，会直接在原表的内存空间里做原地修改，不会额外生成副本（除非你特意加copy=TRUE参数）。
• dt[i][,j]是链式调用：第一步dt[i]会生成原表的临时子集副本，第二步的:=只改这个副本，改完之后这个副本没被存到任何变量里，直接被R的垃圾回收机制清理了，原表根本没被触动。

对应你的代码解析 #

顺序A

1. 一开始用months()给month赋值成字符型，原表的month是字符类型。
2. dt[id == 1][, month := lubridate::month(d)]：先切出id=1的临时副本，在副本里把month改成数值，但这个副本用完就消失了，原表的month还是字符型。
3. dt[id == 1, month := lubridate::month(d)]：直接在原表的id=1行上修改month列，原表的month列类型直接从字符转成数值（data.table会自动适配列的类型）。

顺序B

1. 初始month同样是字符型。
2. dt[id == 1, month := lubridate::month(d)]直接修改原表，month变成数值型。
3. 后面的dt[id ==1][, month := ...]还是修改临时副本，原表已经是数值型，自然不会有变化。

额外提醒 #

要是非得用链式操作修改原表，你得把修改后的副本赋值回去，但这样会把原表替换成那个子集，不是修改原表的对应行，比如：

dt <- dt[id == 1][, month := lubridate::month(d)]

实际开发里更推荐用dt[i,j]的原生语法，既高效又不会搞混修改对象。

内容的提问来源于stack exchange，提问作者Kuku