r - 在一个语句中对多个 data.table 赋值是否有性能优势？

Question

在 data.table ，以下有等价的结果:

dt1 <- data.table(iris)
dt1[, Long.Petal := Petal.Length > mean(Petal.Length)]
dt1[, Wide.Petal := Petal.Width > mean(Petal.Width)]

和

dt2 <- data.table(iris)
dt2[, `:=`(
  Long.Petal = Petal.Length > mean(Petal.Length),
  Wide.Petal = Petal.Width > mean(Petal.Width)
)]

在处理大型数据集时，后一种形式是否具有性能优势(在内存或运行时间或两者方面)？还是开销最小，这只是风格和可读性的问题？

Answer 1

需要考虑的事情是 a) 调用 [.data.table , 和 b) 在 [.data.table 中运行代码.

对于几个电话，它不应该真正影响。但是，如果您这样做 100 次或 1000 次(例如，使用 for 循环)，那么它的性能可能会降低..主要是由于调度时间 [.data.table .在这种情况下，只要没有分组，set()是一个更好的选择。

无论如何，这些东西很容易在你的数据集上为你自己进行基准测试。调用 Rprof(); <your_code>; Rprof(NULL); summaryRprof()应该对花费的时间以及大部分时间花在何处有所了解。