Додавання та оновлення стовпців за посиланням

Опрацювання даних із data.table в R

Matt Dowle, Arun Srinivasan

Instructors, DataCamp

Внутрішній устрій data.frame

Припустімо, ви хочете змінити 2-й рядок стовпця "y" на 10

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

x  y
1  6
2  7

df$y[2] <- 10

Внутрішній устрій data.frame

У R < v3.1.0 ця операція призводила до глибокого копіювання всього data.frame

# що відбувається всередині до R v3.1.0
tmp <- <deep copy of "df">
tmp$y[2] <- 10
df <- tmp

Що станеться, якщо зробити те саме для data.frame на 10 ГБ?

Внутрішній устрій data.frame

У v3.1.0 поліпшено так, що глибоко копіюється лише оновлюваний стовпець
У цьому прикладі лише стовпці a та b глибоко копіюються під час операції над df нижче

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

Внутрішній устрій data.table

data.table оновлює стовпці на місці, тобто за посиланням
Це означає, що не потрібно присвоювати результат назад змінній
Під час зміни значень копії жодного стовпця не створюються
data.table використовує новий оператор := для додавання/оновлення/видалення стовпців за посиланням

Форма LHS := RHS

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

# Коли додаєте один стовпець, лапки не потрібні
batrips[, is_dur_gt_1hour := duration > 3600]

Функціональна форма

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

Давайте потренуємось!

Опрацювання даних із data.table в R