r - 性能考虑 data.table 中的 get()

Question

我一直在循环中使用 get() 来通过 i 引用多个其他列来操作列 j。

我想知道是否有更快/更有效的方法？有任何性能考虑吗？

这是我想到的操作类型的最小示例:

require(data.table) # version 1.12.8
dt = data.table(v1=c(1,2,NA),v2=c(0,0,1),v3=c(0,0,0))
for (i in 1:2){
     dt[ is.na(get(paste0('v',i))), (paste0('v',i)):= get(paste0('v',i+1))+2 ][]
}

我执行此操作的实际表要大得多(~5 mio 行，~300 列)。

我非常感谢任何想法。

Answer 1

我们可以使用set来就地分配

library(data.table)
for(j in 1:2) {
    i1 <- which(is.na(dt[[j]]))
    set(dt, i = i1, j = j, value = dt[[j+1]][i1]+ 2)
 }

dt
#   v1 v2 v3
#1:  1  0  0
#2:  2  0  0
#3:  3  1  0

---

如果for循环或lapply都使用get，则两者之间没有太大区别。为了提高性能，最好使用set

---

在base R中，我们也可以这样做

setDF(dt)
i1 <- is.na(dt[-length(dt)])
dt[-length(dt)][i1] <- dt[-1][i1] + 2
dt
#  v1 v2 v3
#1  1  0  0
#2  2  0  0
#3  3  1  0