Přidávání a aktualizace sloupců odkazem

Manipulace s daty pomocí data.table v R

Matt Dowle, Arun Srinivasan

Instructors, DataCamp

Interní fungování data.frame

Chceme změnit 2. řádek sloupce "y" na hodnotu 10

df <- data.frame(x = 1:5, y = 6:10)
df

x  y
1  6
2  7

df$y[2] <- 10

Interní fungování data.frame

V R < v3.1.0 tato operace vytvořila hlubokou kopii celého data.frame

# what happens internally prior to R v3.1.0
tmp <- <deep copy of "df">
tmp$y[2] <- 10
df <- tmp

Co se stane, pokud tutéž operaci provedete na data.frame o velikosti 10 GB?

Interní fungování data.frame

Ve verzi v3.1.0 bylo vylepšeno chování tak, aby se hluboce kopíroval pouze aktualizovaný sloupec
V tomto případě jsou při operaci s df hluboce zkopírovány pouze sloupce a a b

df <- data.frame(a = 1:3, b = 4:6, c = 7:9, d = 10:12)
df[1:2] <- lapply(df[1:2], function(x) ifelse(x%%2, x, NA))
df

 a  b c  d
 1 NA 7 10
NA  5 8 11
 3 NA 9 12

Interní fungování data.table

data.table aktualizuje sloupce přímo na místě, tj. odkazem
Výsledek není třeba přiřazovat zpět do proměnné
Při změně hodnot sloupců nevzniká žádná kopie
data.table používá operátor := pro přidání, aktualizaci a mazání sloupců odkazem

Forma LHS := RHS

batrips[, c("is_dur_gt_1hour", "week_day") := list(duration > 3600, 
                                                   wday(start_date))]

# When adding a single column quotes aren't necessary
batrips[, is_dur_gt_1hour := duration > 3600]

Funkční forma

batrips[, `:=`(is_dur_gt_1hour = NULL,                  
               start_station = toupper(start_station))]

Lass uns üben!

Manipulace s daty pomocí data.table v R