何时应该在 data.table 中使用 := 运算符？

Question

data.table对象现在拥有一个:=运算符。这个运算符与所有其他赋值运算符不同的是什么？还有，它有什么用途，速度比其他赋值运算符快多少，以及在什么情况下应该避免使用它？

- Ari B. Friedman

Answer 1

这里有一个例子，展示了10分钟被缩短到1秒钟（来自首页的新闻）。它就像是对data.frame进行子分配，但每次不会复制整个表格。

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 )

将j中的:=这样放置可以使用更多的习语：

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

and :

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

我想不出有什么理由避免使用:=！除了在for循环内部。由于:=出现在DT[...]中，它带来了[.data.table方法的小开销；例如S3分配和检查参数的存在和类型，例如i、by、nomatch等。因此，在for循环内部，有一个低开销、直接版本的:=，称为set。请参见?set以获取更多详细信息和示例。 set的缺点包括必须是行号（没有二进制搜索）和不能与by结合使用。通过这些限制，set可以大大减少开销。

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

- Matt Dowle

---

感谢开发这个包。我有一种感觉，我将会修改很多我的代码来使用这个包。 - Iterator

@MatthewDowle 想要加入一个说明，即何时不使用:=而改用set()吗？ - Ari B. Friedman

@MatthewDowle 如果可以的话，我会再点赞一次。 - Ari B. Friedman

@jabberwocky 不用担心，好的让我们看看。set() 的第三个参数只是一个列名（如 ?set 中所定义）。您可能希望这是字面值（例如 "V1"）或保存在变量中（例如 colName，它可以包含 "V1"、"colA" 或其他列名）。DT[,] 内部的第二个参数始终是在数据表范围内计算的表达式。DT[,V1] 是最简单的情况，但像 DT[,V1*V2] 和 DT[,sum(V1)] 这样的东西更常见。这有帮助吗？ - Matt Dowle

@jabberwocky 没问题。set(DT, i, "V1", i) 会设置 "V1" 列，而 set(DT, i, colVar, i) 会设置 colVar 变量中包含的列名（例如，如果之前执行了 colVar = "V1"）。引号表示字面上采用列名，而不是查找变量。 - Matt Dowle