当 x 也是数据表中的一列时，get(x) 在 R data.table 中不起作用

Question

我注意到当 x 也是同一个数据表中的一列时，get(x) 在 R 数据表中不起作用。请参阅下面的代码 sn-p。在编写将数据表作为输入的 R 函数时，这很难完全避免。这是 R data.table 包中的错误吗？谢谢！

library(data.table)

dt = data.table(x=1:3, y=2:4)

var = 'y'
x = 'y'

dt[, 3*get(var)]      # [1] 6 9 12
dt[, 3*get(x)]        # Error in get(x): invalid first argument

Answer 1

一般来说，当列和变量之间存在命名冲突时，列会优先。从 data.table 的 v1.10.2（2017 年 1 月 31 日）开始，澄清名称是不是列名的首选方法是使用 .. 前缀 [1]：

当 j 是一个以 .. 为前缀的符号时，它将在调用范围内查找，其值被视为列名或数字。 当您看到.. 前缀时，请考虑上一级，就像所有操作系统中的目录.. 都表示父目录。 将来，.. 前缀可以用于在DT[...] 内任何地方出现的所有符号。 ...

我们认为.. 实现的主要重点是解决var 在调用范围内且var 也是列名时更常见的歧义。此外，我们没有忘记过去我们建议您自己在调用作用域中为变量添加前缀..。如果你这样做了并且..var 存在于调用范围中，那么它仍然有效，前提是调用范围中既不存在var，也不存在..var 作为列名。现在请在调用范围中删除 ..var 上的 .. 前缀以整理此内容。将来 data.table 将开始对此类使用发出警告/错误。

在您的情况下，您可以 get(..x) 强制名称 x 在调用范围内而不是在 data.table 环境中解析：

library(data.table)

dt = data.table(x=1:3, y=2:4)

var = 'y'
x = 'y'

dt[, 3*get(var)]      # [1] 6 9 12
dt[, 3*get(x)]        # Error in get(x): invalid first argument
dt[, 3*get(..x)]      # [1]  6  9 12

.. 前缀仍处于试验阶段，因此文档有限，但在data.table 的帮助页面上简要提及：

默认情况下with=TRUE和j在x的框架内计算；列名可以用作变量。如果数据集中和父范围内的变量名称重叠，您可以使用双点前缀 ..cols 明确引用 'cols 变量父范围，而不是来自您的数据集。

这不是一个错误，而是with = T 允许在数据环境中使用列作为变量的一个不幸但自然的结果。实际上，您可以通过使用get() 的pos 或envir 参数以更基本的R 方式避免此问题。

Answer 2

新答案

根据@Frank 和this section of the vignette I can't believe I hadn't read before 的建议，这里有一个不允许执行任意代码的解决方案。

library(data.table)
dt = data.table(x=1:3, y=2:4)

x = "y"
ExecuteMeLater = substitute(3*x, list(x=as.symbol(x)))
dt[, eval(ExecuteMeLater)]

# [1]  6  9 12

这种行为尤其是我更喜欢这种解决方案的原因：

x = "(system(paste0('kill ',Sys.getpid())))"
ExecuteMeLater = substitute(3*x, list(x=as.symbol(x)))
dt[, eval(ExecuteMeLater)]

#Error in eval(jsub, SDenv, parent.frame()) : 
#  object '(system(paste0('kill ',Sys.getpid())))' not found

---

原答案

注意：遇到类似useful resource 这样性质的问题...也许可以在某个时候用不那么老套的解决方案进行更新。

get() 的行为无疑为意想不到的结果敞开了大门，而且过去似乎不止有几个some github issues 提到了这一点。老实说，我已经进行了大量的调查，但我仍然没有完全完全遵循正确的用法。

解决此问题的一种方法是将表达式粘贴在一起并在data.table 环境之外评估您的函数输入列名称并将其存储为字符。

然后，通过在data.table 环境中解析和评估预先构造的表达式，我们避免了表中名为x 的列优先于变量x 的内容的任何机会。

library(data.table)

dt = data.table(x=1:3, y=2:4)

x = 'y'
ExecuteMeLater <- paste0("3*",x)  ## "3*y"
dt[, eval(parse(text = ExecuteMeLater))]

输出：

[1]  6  9 12

不是最漂亮的解决方案，但过去它对我有用过无数次。

关于eval(parse(...))可能的假设世界末日场景的快速免责声明

关于危险的eval(parse(...)) 有更多的in depth discussions，但我会避免全部重复。

理论上你可能有问题，如果你的专栏被命名为"(system(paste0('kill ',Sys.getpid())))"这样不幸的东西（不要执行，它会当场终止你的R会话） 。这可能足以让你在外面睡不着觉，除非你打算把它放在 CRAN 上的一个包裹里。

Answer 3

这是来自 get 函数中第一个参数的 R 文档：“对象名称（以字符串形式给出）。”

所以dt[, 3*get("x")] 应该可以工作。