以參照方式新增與更新欄位

R 的 data.table 資料操作

Matt Dowle, Arun Srinivasan

Instructors, DataCamp

data.frame 內部機制

假設你想把欄位「y」的第 2 列改成 10

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

x  y
1  6
2  7

df$y[2] <- 10

data.frame 內部機制

在 R < v3.1.0，這個操作會導致整個 data.frame 被「深度」複製

# R v3.1.0 之前內部會發生的事
tmp <- <deep copy of "df">
tmp$y[2] <- 10
df <- tmp

如果想在 10GB 的 data.frame 上做相同操作會怎樣？

data.frame 內部機制

在 v3.1.0，引入改進：只對被更新的欄位進行深度複製
在下例中，對 df 的操作只會深度複製欄位 a 與 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

data.table 內部機制

data.table 會「就地」更新欄位，也就是以參照方式
意味著你不需要把結果再指定回變數
在變更值時，不會複製任何欄位
data.table 使用新運算子 := 來以參照方式新增／更新／刪除欄位

LHS := RHS 形式

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

# 只新增單一欄位時，不需要加引號
batrips[, is_dur_gt_1hour := duration > 3600]

函式式樣

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

一起來練習吧！

R 的 data.table 資料操作