使用 'lapply' 和 'by' 通过引用修改 data.table 会为分组列创建重复行

Question

这可能以前被问过，我已经查看了Reference semantics，但我似乎找不到答案。 SO还建议修改我的标题，所以如果有人发布答案的链接我会很好！

我在下面有一个 MWE。我正在尝试按每个月的某天按val 列分组。据我了解，在代码下面的场景 1 中，由于我没有通过 := 将 lapply 的值分配给任何新列，因此会打印 data.table。

但是，在场景 2 中，当我使用 := 通过引用分配新列变量时，会创建新列（使用正确的值），但是当我只需要每天时，该值会在一天中的每个小时重复价值观。

场景 3 也给出了预期的结果，但需要创建一个新的 data.table。

我也不会想到set，因为value 按行迭代，我需要对某些列进行分组。

感谢您的帮助，

library(data.table)
library(magrittr)

set.seed(123)

# create data.table to group by
dt <- data.table(year = rep(2018, times = 24 * 31),
                 month = rep(1, times = 24 * 31),
                 day = rep(1:31, each = 24),
                 hour = rep(0:23, times = 31)) %>% 
  .[, val := sample(100, size = nrow(dt), replace = TRUE)]


# SCENARIO 1
# creates desired dataframe but only prints it, doesn't modify dt by reference (because it is missing `:=`)
dt[, lapply(.SD,
            sum),
   .SDcols = "val",
   by = .(year,
          month,
          day)]


# Scenario 2
# creates desired val column, but creates duplicate val values for all rows of original grouping by data.table
dt[, val := lapply(.SD,
                   sum),
   .SDcols = "val",
   by = .(year,
          month,
          day)]


# SCENARIO 3
# this also works, but requires creating a new data.table
new_dt <- dt[, lapply(.SD,
                      sum),
             .SDcols = "val",
             by = .(year,
                    month,
                    day)]

Answer 1

我看新建data.table对象没有问题，可以用同名重写。

     dt <- dt[, lapply(.SD,
                      sum),
             .SDcols = "val",
             by = .(year,
                    month,
                    day)]

根据此功能请求中的讨论：https://github.com/Rdatatable/data.table/issues/635。