R &引用；参考更新“；vs浅拷贝

函数

set

或

[.data.table

中的表达式

：=

允许用户通过引用更新data.tables。此行为与将操作结果重新指定给原始data.frame有何不同

keepcols<-function(DF,cols){
  eval.parent(substitute(DF<-DF[,cols,with=FALSE]))  
}
keeprows<-function(DF,i){
   eval.parent(substitute(DF<-DF[i,]))
}

---

数据中的
keepcols表
，
：=
和所有的
set*
函数通过引用更新对象。这是在2012年IIRC前后引入的。此时，基本R不是浅复制，而是深度复制。浅复制是从3.1.0开始引入的


这是一个冗长的回答，但我认为这回答了你的前两个问题：

此base R方法与等效的data.table方法有何不同？差异是否仅与速度或内存使用有关

在base R v3.1.0+中，当我们执行以下操作时：

DF1 = data.frame(x=1:5, y=6:10, z=11:15)
DF2 = DF1[, c("x", "y")]
DF3 = transform(DF2, y = ifelse(y>=8L, 1L, y))
DF4 = transform(DF2, y = 2L)

从
DF1
到
DF2
，这两列仅被浅拷贝
从
DF2
到
DF3
必须单独复制/重新分配列
y
，但是
x
再次被复制
从
DF2
到
DF4
，与（2）相同
也就是说，只要列保持不变，就可以对列进行浅拷贝—在某种程度上，除非绝对必要，否则拷贝会被延迟

在
data.table
中，我们修改了In-place.means，这意味着即使在
DF3
和
DF4
列
y
期间也不会被复制

DT2[y >= 8L, y := 1L] ## (a)
DT2[, y := 2L]

在这里，由于
y
已经是一个整数列，我们正在按整数修改它，通过引用，这里根本没有新的内存分配

当您希望通过引用（上面标记为（a））进行子赋值时，这也特别有用。这是我们非常喜欢的
data.table
中的一个便捷功能

另一个免费的优势（我从我们的互动中了解到）是，当我们必须（比如）将data.table的所有列转换为
数值型
类型时，例如，
字符型
类型：

DT[, (cols) := lapply(.SD, as.numeric), .SDcols = cols]

在这里，因为我们是通过引用更新的，所以每个字符列都会被引用替换为它的数字对应项。在替换之后，前面的字符列就不再需要了，可以进行垃圾收集了。但是如果要使用base R执行此操作：

DF[] = lapply(DF, as.numeric)

所有列都必须转换为数字，并且必须保存在一个临时变量中，然后最后将分配回
DF
。这意味着，如果有10列，每列都有1亿行，每列都是字符类型，那么
DF
占用的空间为：

10 * 100e6 * 4 / 1024^3 = ~ 3.7GB

由于
numeric
类型的大小是原来的两倍，我们总共需要
7.4GB+3.7GB
的空间来使用base R进行转换

但请注意，
data.table
在
DF1
期间复制到
DF2
。即：

DT2 = DT1[, c("x", "y")]

结果是一个副本，因为我们不能在浅层副本上通过引用进行子分配。它将更新所有克隆

如果我们能够无缝集成浅层复制功能，但跟踪特定对象的列是否有多个引用，并尽可能按引用进行更新，那就太好了。R升级的引用计数功能在这方面可能非常有用。无论如何，我们正在努力实现这一点


关于你的最后一个问题：

“什么时候差异最大？”

仍然有人不得不使用旧版本的R，而深度拷贝是无法避免的

这取决于要复制多少列，因为您对其执行的操作。最坏的情况当然是您已经复制了所有列

有些情况下，浅层复制不会带来好处

如果要为每个组更新data.frame的列，并且组太多

当您希望基于与另一个data.table的联接来更新data.table
DT1
的列时，可以通过以下方式完成：

DT1[DT2, col := i.val]

其中，
i.
是指用于匹配行的
DT2
（
i
参数）的
val
列中的值。此语法允许非常高效地执行此操作，而不必首先连接整个结果，然后更新所需的列

总而言之，引用更新可以节省大量时间，而且速度很快。但人们有时喜欢不就地更新对象，并愿意为此牺牲速度/内存。除了已经存在的引用更新之外，我们还试图找出提供此功能的最佳方法

希望这能有所帮助。这已经是一个相当长的答案。我将把您可能留下的任何问题留给其他人或您来解决（除了此答案中任何明显的误解）

DT1[DT2, col := i.val]