你可以用 data.frame 做什么而不能用 data.table 做什么？

Question

我刚开始使用 R，遇到了 data.table。我发现它很棒。

一个很幼稚的问题：我可以忽略data.frame来使用data.table来避免两个包之间的语法混淆吗？

Answer 1

来自data.table FAQ

FAQ 1.8 好的，我开始了解 data.table 是关于什么的，但是你为什么不在 R 中增强 data.frame 呢？为什么它必须是一个新包？

作为 FAQ 1.1 的重点，[.data.table 中的 j 从根本上说是 与[.data.frame 中的j 不同。甚至像这样简单的事情 DF[,1] 会破坏许多包和用户代码中的现有代码。 这是设计使然，我们希望它以这种方式工作更多 复杂的语法工作。还有其他差异（请参阅常见问题解答 2.17)。

此外，data.table 继承自 data.frame。它是一个 data.frame 也是。 data.table 可以传递给任何包 只接受data.frame 并且该包可以使用[.data.frame data.table 的语法。

我们也尽可能地提出了对 R 的增强。之一 这些在 R 2.12.0 中被接受为新功能：

unique() 和 match() 现在在所有元素都在全局 CHARSXP 缓存中且未标记的字符向量上更快 编码（ASCII）。感谢 Matthew Dowle 提出改进建议 unique.c 中生成哈希码的方式。

第二个建议是在duplicate.c 中使用memcpy，这很 比 C 中的 for 循环更快。这将改进 R 复制的方式 内部数据（在某些措施上是 13 倍）。 r-devel 上的线程 在这里：http://tolstoy.newcastle.edu.au/R/e10/devel/10/04/0148.html.

data.frame 和 data.table 之间较小的语法差异是什么

• DT[3] 指的是第三行，但DF[3] 指的是第三列
• DT[3, ] == DT[3]，但 DF[ , 3] == DF[3]（在 data.frame 中有些混乱，而 data.table 是一致的）
• 因此，我们说逗号在DT 中是可选，但在DF 中不是可选的
• DT[[3]] == DF[, 3] == DF[[3]]
• DT[i, ]，其中i 是单个整数，返回单行，就像DF[i, ]，但不同于返回向量的矩阵单行子集。
• DT[ , j] 其中j 是一个整数，返回一个单列的data.table，不像DF[, j] 默认返回一个向量
• DT[ , "colA"][[1]] == DF[ , "colA"].
• DT[ , colA] == DF[ , "colA"]（目前在 data.table v1.9.8 中，但即将更改，请参阅发行说明）
• DT[ , list(colA)] == DF[ , "colA", drop = FALSE]
• DT[NA] 返回 1 行 NA，但 DF[NA] 返回整个包含 NA 的 DF 副本。符号NA 是R 中的logical 类型，因此被[.data.frame 回收。用户的意图可能是DF[NA_integer_]。为方便起见，[.data.table 会自动转向这个可能的意图。
• DT[c(TRUE, NA, FALSE)] 将 NA 视为 FALSE，但 DF[c(TRUE, NA, FALSE)] 返回 NA 每个 NA 的行
• DT[ColA == ColB] 比 DF[!is.na(ColA) & !is.na(ColB) & ColA == ColB, ] 简单
• data.frame(list(1:2, "k", 1:4)) 创建 3 个列，data.table 创建一个 list 列。
• 为方便起见，check.names 在data.frame 中默认为TRUE，但在data.table 中为FALSE。
• stringsAsFactors 在data.frame 中默认为TRUE，但在data.table 中为FALSE，以提高效率。由于在 R 中添加了全局字符串缓存，字符项是指向单个缓存字符串的指针，转换为 factor 不再具有性能优势。
• list 列中的原子向量在使用data.frame 中的", " 打印时会折叠，但在data.table 中"," 在第6 项之后使用逗号结尾以避免意外打印大型嵌入对象。 在[.data.frame 中，我们经常设置drop = FALSE。当我们忘记时，在选择单列并且突然返回向量而不是单列data.frame 的极端情况下可能会出现错误。在[.data.table 中，我们借此机会使其保持一致并删除了drop。 当 data.table 传递给 data.table-unaware 包时，该包不关心这些差异；它只是工作。

---

小警告

在某些情况下，某些包使用的代码在给定 data.frame 时可能会崩溃，但是，鉴于 data.table 一直在维护以避免此类问题，因此可能出现的任何问题都会及时修复。

例如

• see this question and prompt response

• 来自 v 1.8.2 的新闻

• base::unname(DT) 现在可以根据 plyr::melt() 的需要再次工作。谢谢 Christoph Jaeckel 进行报道。添加了测试。
• 为 ITime 添加了 as.data.frame 方法，以便可以将 ITime 传递给 ggplot2 没有错误，#1713。感谢 Farrel Buchinsky 的报道。添加了测试。 ITime 轴标签仍显示为从午夜开始的整数秒；我们不知道为什么 ggplot2 不调用 ITime 的 as.character 方法。为 ggplot2 将 ITime 转换为 POSIXct 是一种方法。