R：选择子集而不复制

是否有一种方法可以从对象（数据帧、矩阵、向量）中选择子集，而无需复制所选数据

我处理相当大的数据集，但从不更改它们。然而，为了方便起见，我经常选择要操作的数据子集。每次复制一个大型子集的内存效率非常低，但普通索引和

子集

（因此

xapply（）

函数族）都会创建所选数据的副本。所以我正在寻找能够克服这个问题的函数或数据结构

一些可能适合我的需要并有望在一些R包中实现的方法：

• 写时复制机制，即仅在添加或重写现有元素时复制的数据结构
• 不可变的数据结构，只需要重新创建数据结构的索引信息，而不需要重新创建其内容（如仅通过创建包含长度的小对象和指向同一字符数组的指针，从字符串生成子字符串）

• xapply（）

  不创建子集的类似物

试试包装。具体来说，它的

refdata

类

关于

data.table

您可能缺少的是，当分组（

by=

parameter）时，数据子集不会被复制，所以这很快。[从技术上讲，它们只是进入一个共享的内存区域，每个组都可以重复使用，并使用memcpy进行复制，这比C中循环的R快得多。]

：=

在

数据中。表格

是就地修改

数据的一种方法。表格

<代码>数据。表与通常的R编程风格不同，它不会在写入时复制。用户必须显式调用

copy（）

来复制（可能非常大的）表，即使在函数中也是如此

您是对的，没有像

refdata

这样的机制内置在

data.table

中。我明白你的意思，这将是一个很好的功能

refdata

应该适用于

数据表

，但您可能可以使用

data.frame

（但请确保使用

TraceM（DF）

）监视副本）

---

在包

plyr

中还有

idata.frame

（不可变的

data.frame

），你可以试试。

我想你应该看看

data.table

包（可能有人会很快出现在这里，向你提供更多细节…）数据库接口显然是你应该研究的。r中几乎所有的东西都是按承诺传递的，在需要对子集执行任何操作时，它都会成为有效的按值传递。@BenBolker:谢谢，

data.table

似乎是一个不错的包，但不幸的是，在大多数情况下它不适合我的需要。特别是，

data.table

有另一个索引模型，使得执行选择变得更加困难（也更加缓慢），例如

data[1:50，1:10]

（即通过行和列进行选择）和许多线性代数运算。我曾考虑使用矩阵而不是数据帧来节省空间和时间，但矩阵也有其局限性，所以我也在寻找替代选项。@dwn：关于“传递值”。你的意思是R使用惰性评估吗？但它与我看到的不一致：code

DF不确定你所说的永久性是什么意思。完全有可能在函数的环境中创建一个对象，并使其在退出时自动成为可回收的垃圾。我的理解是R确实使用惰性评估。如果您想控制此过程，可以使用
delayedAssign
和
force
功能。我们中的大多数人并不怎么考虑它（直到它在功能评估时咬到我们为止）