从分组内获取重复列（即每行相同值）的单个值，有两种方法：使用
从以下测试中可以清楚地看出：将其他变量放入
我曾希望包括已经键入的
一些示例数据：
此外，执行
回答我的问题，似乎当我们设置键时，只需分配“sorted”属性就可以跳过排序。这样做是否被允许？它会破坏什么吗？
无论是不良做法还是可能会破坏东西，我都不知道。但使用
使用属性设置键并将sumV2作为每个组内变量的长度为1的向量，应该比仅针对V1进行键入并使用sumV2 [1] 更快。如果未将sumV2指定为by变量，则在每个组之前需要生成重复值向量的整个向量，然后将其子集化为sumV2 [1] 。相比之下，当sumV2是by变量时，在每个组中只有一个长度为1的向量。显然，我这里的推理是不正确的。有人能解释一下为什么吗？为什么sumV2 [1] 是最快的选项，即使使用setattr技巧将sumV2作为by变量？
顺便说一句，我很惊讶地发现使用attr < -与setattr一样快（都瞬间完成，表明根本没有复制）。这与我理解的基础R foo <-函数会复制数据相反。
variable[1]或将该变量包括在by语句中并使用.BY$variable。假设我想返回的值包括variable作为列。从以下测试中可以清楚地看出：将其他变量放入
by语句会减慢速度，即使排除通过这些额外变量来键入（或使用诡计告诉data.table不需要进行额外键入）的成本。为什么其他已经键入的by变量会减慢速度？我曾希望包括已经键入的
by变量是一个方便的语法技巧，用于在j语句中返回数据表时无需显式命名这些变量，但似乎这是不可取的，因为即使它们已经键入，额外的by变量也会产生一定开销。那么我的问题是，是什么导致了这种开销？一些示例数据：
library(data.table)
n <- 1e8
y <- data.table(sample(1:5,n,replace=TRUE),rnorm(n),rnorm(n))
y[,sumV2:=sum(V2),keyby=V1]
时间表明，使用variable[1]方法（在此情况下，sumV2[1]）更快。
x <- copy(y)
system.time(x[, list(out=sum(V3*V2)/sumV2[1],sumV2[1]),keyby=V1])
system.time(x[, list(out=sum(V3*V2)/.BY$sumV2),keyby=list(V1,sumV2)])
我猜这并不奇怪，因为 data.table 不知道由 setkey(V1) 和 setkey(V1,sumV2) 定义的群组实际上是相同的。
让我感到惊讶的是，即使数据表以 setkey(V1,sumV2) 作为关键字（我们完全忽略设置新关键字所需的时间），使用 sumV2[1] 仍然更快。为什么呢？
x <- copy(y)
setkey(x,V1,sumV2)
system.time(x[, list(out=sum(V3*V2)/sumV2[1],sumV2[1]),by=V1])
system.time(x[, list(out=sum(V3*V2)/.BY$sumV2),by=list(V1,sumV2)])
此外，执行
setkey(x,V2,sumV2)所需的时间是不可忽略的。是否有办法欺骗data.table，告诉它键实际上并没有实质性地发生改变，从而跳过实际重新设置键值的步骤呢？x <- copy(y)
system.time(setkey(x,V1,sumV2))
回答我的问题，似乎当我们设置键时，只需分配“sorted”属性就可以跳过排序。这样做是否被允许？它会破坏什么吗？
x <- copy(y)
system.time({
setattr(x, "sorted", c("V1","sumV2"))
x[, list(out=sum(V3*V2)/.BY$sumV2),by=list(V1,sumV2)]
})
无论是不良做法还是可能会破坏东西，我都不知道。但使用
setattr 技巧比显式键入要快得多：x <- copy(y)
system.time({
setkey(x,V1,sumV2)
x[, list(out=sum(V3*V2)/.BY$sumV2),by=list(V1,sumV2)]
})
但即使使用setattr的技巧，并将sumV2与by语句结合使用，仍然不如完全省略sumV2在by语句中时快：
x <- copy(y)
system.time(x[, list(out=sum(V3*V2)/sumV2[1],sumV2[1]),keyby=V1])
使用属性设置键并将sumV2作为每个组内变量的长度为1的向量，应该比仅针对V1进行键入并使用sumV2 [1] 更快。如果未将sumV2指定为by变量，则在每个组之前需要生成重复值向量的整个向量，然后将其子集化为sumV2 [1] 。相比之下，当sumV2是by变量时，在每个组中只有一个长度为1的向量。显然，我这里的推理是不正确的。有人能解释一下为什么吗？为什么sumV2 [1] 是最快的选项，即使使用setattr技巧将sumV2作为by变量？
顺便说一句，我很惊讶地发现使用attr < -与setattr一样快（都瞬间完成，表明根本没有复制）。这与我理解的基础R foo <-函数会复制数据相反。
x <- copy(y)
system.time(setattr(x, "sorted", c("V1","sumV2")))
x <- copy(y)
system.time(attr(x,"sorted") <- c("V1","sumV2"))
与此问题相关的SessionInfo()用于：
data.table version 1.12.2
R version 3.5.3
:=和keyby创建sumV2，所以在x[,sumV2:=sum(V2),keyby=V1]之后，x已经按V1键入，并且data.table知道这一点。您可以在调用setkey之前调用key(x)来证实，或者在调用setkey（在您的最后一个示例中）时设置verbose=TRUE。 - AlexissumV2作为x的一列创建，而是在单个复合j语句中创建sumV2作为j中的临时变量，并用它来计算加权平均值。但是你可能同时想要在x中重复sumV2的值和另一个包含加权平均值的更短的data.table。 - Michael