data.table链式操作中使用:=新增列不生效如何解决？

产生原因 #

data.table的:=是按引用修改的运算符，仅会修改它所直接作用的data.table对象：

• 链式写法aa[order(a,b)][, c:=cumsum(a), by=.(b)]中，第一个aa[order(a,b)]会生成一个临时的未命名副本，后续的:=仅修改了这个临时副本，运行结束后临时副本会被自动回收，原对象aa没有被修改，因此看不到新增的c列。
• 拆分写法中:=直接作用于原对象aa，因此会直接修改原对象新增c列。
• 赋值给bb的写法是将修改后的临时副本存储为新对象bb，因此bb存在c列，但原对象aa仍然没有变化。

正确的实现方式 #

方案1：合并操作到单组中括号（推荐，直接修改原对象） #

将排序逻辑放在中括号的i位置，赋值逻辑放在j位置，:=会直接作用于原对象aa：

aa <- data.table(a=c(1,2,3), b = c("a","b","b"))
aa[order(a,b), c := cumsum(a), by = .(b)]

方案2：先使用setorder排序（修改原对象排序）再赋值 #

如果需要永久修改原对象的排序，可以先用setorder按引用排序，再做赋值操作：

aa <- data.table(a=c(1,2,3), b = c("a","b","b"))
setorder(aa, a, b)
aa[, c := cumsum(a), by=.(b)]

方案3：多步链式操作后赋值回原对象 #

如果确实需要多步链式处理（如多步筛选、转换后再赋值），将整个链式操作的结果赋值回原对象即可：

aa <- data.table(a=c(1,2,3), b = c("a","b","b"))
# 多步链式操作示例，末尾的[]可选，用于触发结果打印
aa <- aa[order(a,b)][, c := cumsum(a), by=.(b)][, d := a*2][]

内容的提问来源于stack exchange，提问作者Kallas