Lägga till och uppdatera kolumner med referens

Datamanipulering med data.table i R

Matt Dowle, Arun Srinivasan

Instructors, DataCamp

data.frame internt

Säg att vi vill ändra rad 2 i kolumnen "y" till 10

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

x  y
1  6
2  7

df$y[2] <- 10

data.frame internt

I R < v3.1.0 resulterade den här operationen i en djup kopia av hela data.frame

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

Vad händer om du vill göra samma operation på en data.frame på 10 GB?

data.frame internt

I v3.1.0 gjordes förbättringar så att bara den uppdaterade kolumnen kopieras djupt
Här kopieras bara kolumnerna a och b djupt i operationen nedan på df

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

data.table internt

data.table uppdaterar kolumner på plats, dvs. med referens
Det innebär att du inte behöver tilldela resultatet till en variabel
Ingen kopia av någon kolumn skapas när värdena ändras
data.table använder operatorn := för att lägga till, uppdatera och ta bort kolumner med referens

LHS := RHS-form

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]

Funktionell form

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

Nu kör vi en övning!

Datamanipulering med data.table i R