为什么我的脚本使用data.table比使用data.frame花费更多的时间（给出的示例）？

我只是通过几列计算时间戳组的最大值，我的数据大小是50 GB，我尝试了data.frame和data.table，但是使用data.table（42分钟）比使用data.frame（24分钟）花费更多的时间。理想情况下，data.table应该更快（节省10-20倍的时间）。有人能告诉我我的剧本哪里出错了吗？这是一个简单的脚本，所以我没有创建任何示例，因为它只是关于我的脚本优化

使用Data.Frame

Sys.time（）
“2020-01-11 16:46:25格林威治标准时间”
df%
分组依据（客户、地点id、报告日期、时间）%>%
切片（哪个.max（创建时间））
系统时间（）
“2020-01-11 17:10:20格林威治标准时间”

使用Data.Table

Sys.time（）
“2020-01-11 17:36:43格林尼治标准时间”
DT_df如果我们想使用与
dplyr
中类似的代码，请使用
which.max
，使用
.I
获取行索引，提取（
$V1
）并使用它来对数据进行子集

i1 <- DT_mydata_0[, .I[which.max(created_time)],
        by=.(customer,location_id,report_date,hour)]$V1
DT_df2 <- DT_mydata_0[i1]

@科尔：最初，我在dyplr中使用了过滤器（x==max（x）），然后我使用which.max（x）来获得更快的结果……这里的V1是什么？@YogeshKumar这是什么faster@akrun：执行脚本时似乎出现错误。。错误：“by=（客户、地点、id、报告日期、小时）]$V1中出现意外符号​DT_df2“@akrun:是的，它很有魅力&非常快（不到50秒！），非常感谢。你能用data.table分享学习高级查询的链接吗？
Sys.time()
"2020 - 01 - 11 17:36:43 GMT"

DT_df <- DT_mydata_0[, created_time == max(created_time),
                     by = .(customer, location_id, report_date, hour)]

Sys.time()
"2020 - 01 - 11 18:17"

i1 <- DT_mydata_0[, .I[which.max(created_time)],
        by=.(customer,location_id,report_date,hour)]$V1
DT_df2 <- DT_mydata_0[i1]

setkey(DT_mydata_0, c('customer', 'location_id', 'report_date', 'hour', 'created_tiime'))
i1 <- DT_mydata_0[, .I[1], .(customer,location_id,report_date,hour)]$V1
DT_mydata_0[i1]