r - data.table列删除速度

Question

假设我有一个名为“数据”的大表。我想删除变量 cI 中引用的列。

这很快:

data = data[, eval(cI) := NULL]

这很慢:

data[, eval(cI) := NULL]

两种方法都有效(第二次使用没有打印出(或返回)完整的表格。是什么让第二种方法变慢了？显然，涉及到表格副本，但为什么呢？

谜团加深了。我试图测量系统时间，根据我如何计时，第二种方法有很大的不同:

> system.time(data <- data[, eval(dropI) := NULL])
   user  system elapsed
  0.004   0.000   0.003
> system.time(data[, eval(dropI) := NULL])
   user  system elapsed
  0.004   0.000   0.003
> date(); data[, eval(dropI) := NULL]; date()
[1] "Wed Jan 15 12:31:51 2014"
[1] "Wed Jan 15 12:31:58 2014"
> date(); data <- data[, eval(dropI) := NULL]; date()
[1] "Wed Jan 15 12:32:26 2014"
[1] "Wed Jan 15 12:32:26 2014"`

哦，我启用了 JIT 编译器(设置为 3)

Answer 1

为了解决这个问题，@eddi 和@joran 在评论中走在了正确的轨道上。

绝对没有速度差异:

data = data[, eval(cI) := NULL]

和

data[, eval(cI) := NULL]

因为，两者都立即执行，始终如一(0.000 秒)。另一个答案只是计时copy(dt)，请看我的编辑。

顺便说一句，你不需要 eval，只需要括号就可以了:

data = data[, (cI) := NULL]

或

data[, (cI) := NULL]

发生的事情是您在控制台上输入这些命令。由于第一个是赋值，值 data 被无形地返回并且 R 不打印它。 R 会打印第二种方法的结果。

就像 data.frame 一样，DT 与 print(DT) 的输入速度存在巨大差异:

> DT          # very slow. R copies the whole of DT for some reason
> print(DT)   # very fast. R doesn't copy DT.

在这个问题中，您得出的结论是副本被盗用了，您是对的。但是通过打印，而不是通过列删除。

也许是因为 DF 打印了整个 DF，所以速度太慢了，没有人注意到 R 在开始之前也复制了 DF将整个 DF 转换为字符形式。由于 DT 默认打印表格的顶部和底部，速度非常快，您会注意到 R 复制它需要多长时间。反正就是这样。

我不知道这是为什么，但已经知道有一段时间了。 R 的当前开发版本中有一些副本减少更改，我希望这些更改会减少在所谓的自动打印中获取的副本。

同时，显式调用print(DT)，以实现内存高效打印!