Kiedy należy używać operatora: = w data.table?

data.tableobiekty mają teraz operator: =. Co sprawia, że ​​ten operator różni się od wszystkich innych operatorów przypisania? Jakie są jego zastosowania, o ile jest szybszy i kiedy należy go unikać?

Oto przykład pokazujący 10 minut skróconych do 1 sekundy (z WIADOMOŚCI na stronie głównej ). Jest to podobne do przypisania do a, data.frameale nie kopiuje za każdym razem całej tabeli.

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 )

Umieszczenie tego :=w jten sposób pozwala na więcej idiomów:

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

i :

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

Nie przychodzi mi do głowy żaden powód, żeby go unikać :=! Poza tym wewnątrz forpętli. Ponieważ :=pojawia się w środku DT[...], wiąże się z niewielkim narzutem[.data.table metody; np S3 wysyłka i sprawdzanie obecności i rodzaju argumentów, takich jak i, by, nomatchitp więc dla wewnątrz forpętli, jest niski narzut, bezpośredni wersja :=nazywa set. Zobacz ?setwięcej szczegółów i przykładów. Wady setinclude, które imuszą być numerami wierszy (bez wyszukiwania binarnego) i nie można ich łączyć z by. Wprowadzenie tych ograniczeń setmoże radykalnie zmniejszyć koszty ogólne.

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