何时应在 data.table 中使用 := 运算符？答案

【问题标题】：When should I use the := operator in data.table?何时应在 data.table 中使用 := 运算符？
【发布时间】：2011-10-25 04:32:02
【问题描述】：

data.table 对象现在有一个 := 运算符。是什么让这个运算符与所有其他赋值运算符不同？另外，它的用途是什么，它的速度有多快，什么时候应该避免？

【问题讨论】：

标签： r data.table colon-equals

【解决方案1】：

这是一个示例，显示 10 分钟减少到 1 秒（来自homepage 上的新闻）。这就像对 data.frame 进行子分配，但不会每次都复制整个表。

m = matrix(1,nrow=100000,ncol=100)
DF = as.data.frame(m)
DT = as.data.table(m)

system.time(for (i in 1:1000) DF[i,1] <- i)
     user  system elapsed 
  287.062 302.627 591.984 

system.time(for (i in 1:1000) DT[i,V1:=i])
     user  system elapsed 
    1.148   0.000   1.158     ( 511 times faster )

像这样将:= 放入j 允许更多成语：

DT["a",done:=TRUE]   # binary search for group 'a' and set a flag
DT[,newcol:=42]      # add a new column by reference (no copy of existing data)
DT[,col:=NULL]       # remove a column by reference

和：

DT[,newcol:=sum(v),by=group]  # like a fast transform() by group

我想不出任何理由来避免:=！除此之外，在for 循环内。由于:= 出现在DT[...] 内部，它带来了[.data.table 方法的小开销；例如，S3 调度并检查参数的存在和类型，例如i、by、nomatch 等。因此对于内部for 循环，有一个低开销的直接版本:=，称为@ 987654340@。有关更多详细信息和示例，请参阅?set。 set 的缺点包括 i 必须是行号（不能进行二分查找）并且不能与 by 结合使用。通过设置这些限制set 可以显着减少开销。

system.time(for (i in 1:1000) set(DT,i,"V1",i))
     user  system elapsed 
    0.016   0.000   0.018

【讨论】：

感谢您开发此软件包。我有一种感觉，我要修改我的很多代码来使用这个包。
在聊天中，我被要求自我提问/回答（显然是 encouraged） - 这个问题是 here
@MatthewDowle 想要说明何时不使用 := 并改用 set()？
@MatthewDowle 如果可以的话，我会再次 +1。
@jabberwocky 没问题。 set(DT, i, "V1", i) 设置"V1" 列，而set(DT, i, colVar, i) 设置包含在colVar 变量中的列名称（例如，如果colVar = "V1" 之前完成）。引号表示按字面意思获取列名，而不是查找变量。