r - 为什么更改具有大data.frame的列名会花费很长时间？

Question

我在R中有1900万行90列的data.frame。我有大量的备用RAM和CPU周期。对于R，似乎在此数据框中更改单个列名称是一项非常艰巨的操作。

system.time(colnames(my.df)[1] <- "foo")
   user  system elapsed 
 356.88   16.54  373.39 

为什么会这样呢？每行是否以某种方式存储列名？这是否在创建一个全新的数据框架？看来此操作应该在可忽略的时间内完成。我没有在 R manual entry中看到任何明显的东西。

我正在Windows 7上运行R 7(64位)的内部版本7600，在当前的工作区中，在较小的data.frame上设置colnames根据 system.time()花费'0'时间。

编辑:我知道使用 data.table的可能性，并且说实话，我可以等待5分钟以完成重命名，而我要去喝杯茶。我感兴趣的是 发生了什么以及为什么？

Answer 1

正如一些评论者所提到的，重命名数据框列很慢，因为(取决于您的操作方式)重命名整个数据框为1到4个副本。在data.table的?setkey帮助页面上，这是证明我已经看到的这种行为的最好方法:

DF = data.frame(a=1:2,b=3:4)       # base data.frame to demo copies
try(tracemem(DF))                  # try() for non-Windows where R is 
                                   # faster without memory profiling
colnames(DF)[1] <- "A"             # 4 copies of entire object
names(DF)[1] <- "A"                # 3 copies of entire object
names(DF) <- c("A", "b")           # 1 copy of entire object
`names<-`(DF,c("A","b"))           # 1 copy of entire object
x=`names<-`(DF,c("A","b"))         # still 1 copy (so not print method)
# What if DF is large, say 10GB in RAM. Copy 10GB just to change a column name?

要(开始)理解 为何要用这种方式完成，您可能需要深入研究有关R-devel的一些相关讨论。这是一对: R-devel: speeding up perception和 R-devel: Confused about NAMES

我对这些线程的印象派阅读是:

至少制作一份副本，以便可以在覆盖原始副本之前“试用”对它的修改。因此，如果要重新分配的值有问题，[<-.data.frame或names<-可以“撤回”并传递错误消息，而不会损坏原始对象。

R-core的几个成员对当前的工作方式并不完全满意。一些人解释说，在某些情况下，“R会迷失方向”。卢克·蒂尔尼(Luke Tierney)表示，“过去，在某些情况下，他总是尝试过一些修改，因此总是不得不退缩”；和西蒙·厄巴内克(Simon Urbanek)暗示“也可能会出现一些问题”

(不过，正如我说的那样，这只是印象派:我完全无法按照R的内部细节进行完整的交谈!)

同样重要的是，如果您还没有看到它，这是类似于 names(z)[3] <- "c2"“really”的工作方式:

# From ?names<-
z <- "names<-"(z, "[<-"(names(z), 3, "c2"))

注意:该答案大部分来自Matthew Dowle对 this other question的答案。 (我认为值得在这里放置它，并给予更多的了解，因为它与您自己的问题非常相关)。