R data.table自定义函数多次运行出现输出结果累加异常问题

问题原因 #

这个问题的核心是data.table包的**原地修改（按引用更新）**特性，:=操作符不会生成数据副本，会直接修改传入的原始变量。

具体运行逻辑拆解 #

你定义的try_1函数第一行执行了in_b[, :=(Vb = Vb/1000)]，这里的in_b是全局环境中dt_b的引用，不是独立副本，每次调用函数都会直接修改全局的dt_b的Vb值：

• 第一次调用函数：dt_b初始Vb值为1000、2000，除以1000后变为1、2，计算得到value = 2/1=2、5/2=2.5，符合预期
• 第二次调用函数：dt_b的Vb已经是1、2，再次除以1000变为0.001、0.002，计算得到value = 2/0.001=2000、5/0.002=2500
• 第三次调用函数：dt_b的Vb变为0.000001、0.000002，计算得到value = 2000000、2500000，和你观测到的结果完全一致

另外你代码里的tmp <- in_a也存在相同隐患：tmp是dt_a的引用，执行tmp[, value := Va/in_b$Vb]会直接给全局的dt_a新增value列，只是你的场景中未修改Va的值，所以没有影响最终输出结果。

修复方案 #

有两种常用修复方式：

1. 显式生成数据副本，避免修改原始变量：

try_1 <- function(in_a, in_b){
  # 先拷贝in_b再修改，不影响原变量
  in_b <- copy(in_b)[, `:=`(Vb = Vb/1000)]
  # 拷贝in_a再做修改
  tmp <- copy(in_a)
  tmp[, value := Va/in_b$Vb]   
  return(tmp)
}

2. 直接在计算环节做单位换算，不修改in_b：

try_1 <- function(in_a, in_b){
  tmp <- copy(in_a)
  tmp[, value := Va/(in_b$Vb/1000)]   
  return(tmp)
}

内容的提问来源于stack exchange，提问作者T X