锁定data.table表的内容

Question

可以使data.table成为静态的(即不可更新的)吗？使用lockBinding()函数可以防止变量被重新赋值，但是仍然可以编辑数据表的列。示例：

> dt = data.table( x = 1:5 )
> lockBinding( "dt", env = environment() )
> dt = 1
Error: cannot change value of locked binding for 'dt'
> dt[ , x := 1 ]
> dt[ , x ]
[1] 1 1 1 1 1

我猜这与数据表的引用方式有关，但是，能够锁定数据表的内容也会很有用。(我经常有共享的引用表，我不想不小心更新这些表。)

Answer 1

这有点棘手。一种方法是劫持[函数，禁止在对象上使用:=。如果我们想要绑定一个data.table，我们可以给它添加一个类，如下所示：

boundDT <- function(dt){
  class(dt) <- c("bound.data.table", class(dt))
  dt
}

结果：

library(data.table)
dt = data.table( x = 1:5 )
bound <- boundDT(dt)
class(bound)
[1] "bound.data.table" "data.table"       "data.frame"   

如果我们创建一个新的索引函数来处理bound.data.table类，我们可以做我们的事情：

`[.bound.data.table` <- function(dt, ...){
  if(any(unlist(sapply(match.call()[-(1:2)], function(x) if(length(x) > 1)as.character(x[1]) == ":=")))){
    stop("Can't use `:=` on this object.")
  }
  class(dt) <- class(dt)[-1]
  dt[...]
}

这将检查调用中是否使用了函数:=，如果使用了，则抛出错误。否则，它将删除data.table内部副本上的绑定类，并调用常规的[函数。

bound[, x := 1]
 Error in `[.bound.data.table`(bound, , `:=`(x, 1)) : 
  Can't use `:=` on this object. 
bound[, x]
[1] 1 2 3 4 5

这是丑陋的，但它似乎是有效的。

需要注意的是：

在联接中使用:=时，如果绑定表不是基表，则此操作不起作用：

dt = data.table( x = 1:5 , y = 5:1)
bound <- boundDT(dt)
dt[bound, y := 1, on = .(x = x)]
bound
   x y
1: 1 1
2: 2 1
3: 3 1
4: 4 1
5: 5 1

但是：

bound[dt, y := 1, on = .(x = x)]
 Error in `[.bound.data.table`(bound, dt, `:=`(y, 1), on = .(x = x)) : 
  Can't use `:=` on this object.

阻止使用set*

随着围绕:=操作符的大多数问题的解决，我们可以专注于防止在我们的对象上使用set*。

当使用绑定的data.table时，在提供data.table之前，我们可以检查调用堆栈以查看是否有任何set*函数。

bindDT <- function(dt){
  bound <- boundDT(dt)
  function(){
    calls <- sys.calls()
    forbidden <- c("set", "set2key", "set2keyv", "setattr", "setcolorder", "setdiff", "setDT", 
                   "setDTthreads", "setequal", "setindex", "setindexv", "setkey", "setkeyv", 
                   "setnames", "setNumericRounding", "setorder", "setorderv")
    matches <- unlist(lapply(calls, function(x) as.character(x)[1] %in% forbidden))
    if(any(matches)){
      stop(paste0("Can't use function ", calls[[which(matches)[1]]][1], " on bound data.table."))
    }

    bound
  }
}

此函数像以前一样绑定data.table，但它返回的不是此函数，而是一个函数。调用此函数时，将检查调用堆栈中是否有set*函数，如果发现任何错误，则抛出错误。我从data.table帮助页面获得了这个列表，所以这个列表应该是完整的。

通过使用pryr，可以使用活动绑定来避免每次使用时都将data.table作为函数进行调用

library(data.table)
library(pryr)

dt = data.table( x = 1:5 , y = 5:1)
bound %<a-% (bindDT(dt))()

setkey(bound, x)
Error in (bindDT(dt))() : Can't use function setkey on bound data.table.

Answer 2

您可以将data.table放入函数中：

library("data.table")
dt = function() data.table( x = 1:5 )
dt() = 1 ### error
dt()[ , x := 1 ]
dt()[ , x ]
# > dt()[ , x ]
# [1] 1 2 3 4 5

下面是一个不会每次都生成data.table的变体：

library("data.table")
dt0 = data.table( x = 1:5 )
dt <- function() copy(dt0)
dt() = 1
dt()[ , x := 1 ]
dt()[ , x ]

我对我的解决方案不太满意:每当用户想要使用它时，它都会复制data.table。每次要使用未更改的data.table时，都必须通过调用函数dt()来执行此操作

Answer 3

attr(dt, ".data.table.locked") = TRUE

将锁定大多数data.table操作。尽管如此，一些操作(setnames)仍然可能偷偷过去。但是，请注意，这是data.table的一个未记录的内部功能，旨在用于其他目的。因此，如果您尝试更改锁定的表，则收到的错误消息看起来会很奇怪和令人困惑。而且不能保证它在该包的后续版本中将如何执行。

如果你决定走这条路，你也应该在之后使用lockBinding来锁定基本的R类型的操作。