按引用返回 | data.table - 如何避免函数返回时使用copy()

我刚从dplyr转用data.table，对它的引用机制还比较陌生，最近编写函数时踩了个坑：函数里的DT对象是tryCatch语句的引用，返回时的表现完全不符合预期。

后来我仔细研读了《Understanding exactly when a data.table is a reference to (vs a copy of) another data.table》这篇文章，才搞清楚背后的原因：如果在返回语句中省略copy()，实际上返回的是tryCatch语句的引用——当tryCatch成功执行时，它会返回经过操作/修改的data.table对象，但这个对象和原对象是引用关系，后续对返回值的修改会意外影响原数据。

错误示例（返回引用） #

my_function <- function(DT) {
  result <- tryCatch({
    DT[, new_col := 1]
    DT
  }, error = function(e) {
    message("Error occurred: ", e$message)
    DT
  })
  return(result) # 这里返回的是引用，会和原DT共享内存
}

修正后的写法（返回独立副本） #

my_function <- function(DT) {
  result <- tryCatch({
    DT[, new_col := 1]
    copy(DT) # 在tryCatch内创建副本返回
  }, error = function(e) {
    message("Error occurred: ", e$message)
    copy(DT)
  })
  return(result)
}

也可以在函数末尾统一处理，让代码更简洁：

my_function <- function(DT) {
  result <- tryCatch({
    DT[, new_col := 1]
    DT
  }, error = function(e) {
    message("Error occurred: ", e$message)
    DT
  })
  return(copy(result)) # 统一返回副本，避免引用问题
}

核心要点就是：data.table默认采用引用修改的机制，而tryCatch返回的对象依然保持这种引用关系，所以必须用copy()显式创建独立副本，才能确保返回的是一个不会影响原数据的独立对象，符合我们对函数返回值的预期。

内容的提问来源于stack exchange，提问作者uncool