data.table 的包装函数

Question

我有一个已经使用 data.frame 上下文编写的项目。为了改善计算时间，我试图利用使用 data.table 的速度来代替。我的方法是构建读取帧的包装函数，将它们转换为表格，进行计算，然后再转换回帧。这是一个简单的例子......

FastAgg<-function(x, FUN, aggFields, byFields = NULL, ...){
  require('data.table')
  y<-setDT(x)
  y<-y[,lapply(X=.SD,FUN=FUN,...),.SDcols = aggFields,by=byFields]
  y<-data.frame(y)
  y
}

我遇到的问题是，在运行此函数后 x 已转换为表格，然后我使用 data.frame 表示法编写的代码行失败。如何确保我输入的 data.frame 没有被运行函数改变？

Answer 1

对于您的情况，我建议（当然）使用data.table 而不仅仅是在函数中使用:-)。

但如果这不太可能发生，那么我建议使用 setDT + setDF 设置。我建议在函数外部使用setDT（并提供 data.table 作为输入） - 通过引用将 data.frame 转换为 data.table，然后在完成所需的操作后，您可以使用setDF 使用 setDF 将结果转换回 data.frame 并从函数中返回。但是，执行 setDT(x) 会将 x 更改为 data.table - 因为它通过引用进行操作。

如果这不理想，那么在你的函数中使用as.data.table(.)，因为它对副本进行操作。然后，您仍然可以使用setDF() 将生成的 data.table 转换为 data.frame 并从您的函数中返回该 data.frame。

这些功能是最近引入的（主要是由于用户请求）。避免这种混淆的想法是导出shallow() 函数并跟踪需要复制列的对象，并在内部（自动）完成所有操作。现在这一切都处于非常早期的阶段。当我们成功后，我会更新这篇文章。

---

还可以查看?copy、?setDT 和?setDF。这些函数帮助页面的第一段是：

在data.table 的说法中，所有set* 函数都通过引用更改其输入。也就是说，除了临时工作内存（与一列一样大）之外，根本不进行任何复制。通过引用修改输入的唯一其他data.table 运算符是:=。查看下面的See Also 部分，了解set* data.table 提供的其他功能。

还有setDT的例子：

set.seed(45L)
X = data.frame(A=sample(3, 10, TRUE), 
         B=sample(letters[1:3], 10, TRUE), 
         C=sample(10), stringsAsFactors=FALSE)

# get the frequency of each "A,B" combination
setDT(X)[, .N, by="A,B"][]

没有分配（虽然我承认这里可以稍微解释一下）。

在setDF:

X = data.table(x=1:5, y=6:10)
## convert 'X' to data.frame, without any copy.
setDF(X)

我认为这很清楚。但我会尽量提供更清晰的说明。此外，我还将尝试在文档中添加如何最好地使用这些功能。