R 我应该使用mget（）。。或with=FALSE选择data.table的列？

可以使用包含所需列名的变量选择data.table的列，该变量的值为=FALSE，…，mget

在什么时候使用哪种方法有共识吗？是不是有一个数据表比其他的多

我可以提出以下论点：

with=FALSE和。。速度几乎相同，而mget则较慢 .. 无法即时选择连接的列名编辑：当前的CRAN版本1.12.8肯定可以，我使用的是旧版本，但它不能，因此此参数有缺陷 mget接近于get的有用语法，get似乎是在j中的计算中使用变量名的唯一方法 至1：

编辑：将.SDcols添加到1中的基准中，b[，cx，…selected_col]到2

我应该使用mget吗。。或with=FALSE选择data.table的列

你应该使用你喜欢的任何东西，当然，只要它不是不推荐的。我看不到任何实际的用例，当呈现的解决方案之间的性能差异将产生真正的差异时。 有一些参数用于在其他接口上使用with=FALSE，但这些参数与这些接口的维护更相关，而不是真正的用户使用

在最新的data.table版本（从1.14.1开始）中，有一个新功能用于以支持深入参数化data.table查询的方式使用data.table。这个新接口，我们称之为env-arg，可以用来解决您的问题。是的，另一种解决问题的方法。这个env-arg接口更通用，因此在这种简单的用例中，我仍然使用with=FALSE。下面，我为这个新的接口用法添加了verbose=TRUE，以便读者可以看到如何预处理查询以替换变量

b=数据。表X=1L，y=2，z=c 所选列=y b[，cx，所选列，带=假] xy 1: 1 2 b[，.cols，env=list.cols=Icx，selected\u col，verbose=T] 替换后的参数“j”：cx，y xy 1: 1 2 b[，.cols，env=list.cols=as.listcx，selected\u col，verbose=T] 替换后的参数“j”：listx，y xy 1: 1 2 新的env接口也将很好地支持3

b[，sqrt.col，env=list.col=selected\u col，verbose=T] 替换后的参数“j”：sqrty [1] 1.414214

---

为确保完整性，您可能希望在2个列中包含[，.SD，.SDcols=selected_cols]，可以使用：b[，cx，…selected_col]，也可以在3个双方括号中使用：b[，sqrt.SD[[selected_col]]或sqrtb[[selected_col]]您始终可以使用以下语言进行计算：evalsubstituteb[，.x，selected_col]，listselected\u col=as.nameselected\u colI不打算这样做，特别是。我认为把时间添加到帖子里是个好主意，因为我在努力寻找支持这种方式的论据。我认为这很好地解决了你的问题。如果没有，请提供反馈。非常感谢，我还不知道env，或者在[]内使用verbose是一种可能性。

library(data.table)
library(microbenchmark)

a <- mtcars
setDT(a)

selected_cols <- names(a)[1:4]

microbenchmark(a[, mget(selected_cols)],
               a[, selected_cols, with = FALSE],
               a[, ..selected_cols],
               a[, .SD, .SDcols = selected_cols])

#Unit: microseconds
#                             expr     min       lq     mean   median       uq      max neval cld
#          a[, mget(selected_cols)] 468.483 495.6455 564.2953 504.0035 515.4980 4341.768   100   c
#  a[, selected_cols, with = FALSE] 106.254 118.9385 141.0916 124.6670 130.1820  966.151   100 a  
#              a[, ..selected_cols] 112.532 123.1285 221.6683 129.9050 136.6115 2137.900   100 a  
# a[, .SD, .SDcols = selected_cols] 277.536 287.6915 402.2265 293.1465 301.3990 5231.872   100  b 

b <- data.table(x = rnorm(1e6), 
                y = rnorm(1e6, mean = 2, sd = 4), 
                z = sample(LETTERS, 1e6, replace = TRUE))

selected_col <- "y"

microbenchmark(b[, mget(c("x", selected_col))],
               b[, c("x", selected_col), with = FALSE],
               b[, c("x", ..selected_col)])
# Unit: milliseconds
#                                    expr      min       lq      mean   median       uq      max neval cld
#         b[, mget(c("x", selected_col))] 5.454126 7.160000 21.752385 7.771202 9.301334 147.2055   100   b
# b[, c("x", selected_col), with = FALSE] 2.520474 2.652773  7.764255 2.944302 4.430173 100.3247   100  a 
#             b[, c("x", ..selected_col)] 2.544475 2.724270 14.973681 4.038983 4.634615 218.6010   100  ab

b[, sqrt(get(selected_col))][1:5]
# [1] NaN 1.3553462 0.7544402 1.5791845 1.1007728

b[, sqrt(..selected_col)]
# error

b[, sqrt(selected_col), with = FALSE]
# error