R 数据表列删除速度

假设我有一个叫做“数据”的大表。我想删除变量cI中引用的列

这很快：

data = data[, eval(cI) := NULL]

这很慢：

data[, eval(cI) := NULL]

这两种方法都有效（第二次使用不会打印（或返回）完整的表格。引擎盖下发生了什么事情使得第二种方法变慢了？显然，需要表格副本，但为什么

---

谜团加深了。我试着测量系统时间，第二种方法有很大的不同，这取决于我计时的方式：

> system.time(data <- data[, eval(dropI) := NULL])
   user  system elapsed
  0.004   0.000   0.003
> system.time(data[, eval(dropI) := NULL])
   user  system elapsed
  0.004   0.000   0.003
> date(); data[, eval(dropI) := NULL]; date()
[1] "Wed Jan 15 12:31:51 2014"
[1] "Wed Jan 15 12:31:58 2014"
> date(); data <- data[, eval(dropI) := NULL]; date()
[1] "Wed Jan 15 12:32:26 2014"
[1] "Wed Jan 15 12:32:26 2014"`

>系统时间（数据系统时间（数据[，评估（dropI）：=NULL]）
用户系统运行时间
0.004   0.000   0.003
>日期（）；数据[，评估（下降）：=NULL]；日期（）
[1] “2014年1月15日星期三12:31:51”
[1] “2014年1月15日星期三12:31:58”
>date（）；data没有证据表明运行时间存在差异：

set.seed(41)
dt <- data.table( a = rnorm(1000000), b = rnorm(1000000), c = rnorm(1000000) )

library( microbenchmark )
library( ggplot2 )

mb <- microbenchmark(  
  m1 = { x <- copy( dt ); x[ , c:= NULL ] },
  m2 = { x <- copy( dt ); x = x[ , c:= NULL ] },
  times = 500
)

# plot
qplot( data = mb, x = expr, y = time, geom = "boxplot", ylab="time [ns]", xlab = "approach" )

# show evidence
t.test( time ~ expr, data = mb )

及

[从Matt编辑时间]这些时间包括
复制（dt）
的时间，这似乎是为了重复删除列。请参见如何
复制（dt）
出现在上面的
m1
和
m2
定义中。这就是为什么时间变化如此之大，甚至最好的时间也非常缓慢的原因。简言之，这个基准似乎有缺陷。如果
copy（dt）
被排除在基准之外，您应该会发现删除列的时间几乎总是无法测量的（即0.00s）对于
m1
和
m2
两种方法。这个答案是正确的，即
m1
和
m2
之间没有区别，但是一旦定时
copy（dt）
被隔离，图表应该在0.00s处显示一条平线

为了澄清这一点，@eddi和@joran在评论中的观点是正确的

以下各项之间绝对没有速度差：

data = data[, eval(cI) := NULL]

及

因为，两者都立即执行，一致性（0.000s）。另一个答案是计时
copy（dt）
，请参见此处的编辑

顺便说一句，您不需要
eval
，只需括号即可：

data = data[, (cI) := NULL]

或

发生的情况是，您正在控制台上键入这些命令。由于第一个命令是赋值，因此值
data
以不可见的方式返回，而R不打印它。R打印第二个方法的结果

就像
data.frame
一样，键入
DT
与
print（DT）
在速度上有巨大差异：

在这个问题上，你的结论是复印件被拿走了，你是对的。但是通过打印，而不是删除列

可能是因为
DF
打印整个
DF
，速度太慢了，在开始将整个
DF
转换为字符形式之前，没有人注意到R也复制了
DF
。由于默认情况下
DT
打印表的顶部和底部，这非常快，您会注意到R需要多长时间来复制是啊，反正是这样的

我不知道这到底是为什么，但这已经是众所周知的一段时间了。在R的当前开发版本中有一些减少拷贝的变化，我希望这些变化将减少被称为自动打印的拷贝

同时，调用
print（DT）
明确地说，为了节省内存，打印！
请提供一些证据，证明第二种方法速度较慢。经过一点快速的实验，我至少看不到它。奇怪的是，它对我来说非常慢。由于许多原因，我无法提供数据帧，这似乎与数据帧有关。谜团加深了。我试图测量系统时间，第二种方法根据我计时的方式有很大的不同：
>system.TIME（数据系统时间（数据[，eval（dropI）：=NULL]）用户系统运行时间0.004 0.000 0.003>date（）；data[，eval（dropI）：=NULL]；date（）[1]“Wed Jan 15 12:31:51 2014”[1]“Wed Jan 15 12:31:58”>date（）；数据我可以很容易地复制您的观察结果，而且我相当肯定这与@eddi是同一个问题，这是一个很好的观点；我没有说得很清楚；所谓“隐式调用print（）”，我指的是在控制台键入和按enter键以及调用print（）之间的区别这是一个很好的研究，但请看我对原始帖子的补充：根据观察结果，行为似乎有所不同（海森堡效应！）@rimorob事实上，这个答案是有缺陷的。@MattDowle如果一种方法比另一种方法慢，这将导致大量重复的运行时的平均值发生显著变化（当然，假设
copy（dt）
的运行时为H0）。我没有说，显示的运行时是由于列的删除。我说没有显著差异，这是最初的假设。@Beasterfield，但这些时间完全由
copy（dt）控制
。它们与列删除无关。用任何其他快速任务替换“列删除”，你会得出相同的结论。你只需要计算列删除的时间。@MattDowle无意冒犯，但恐怕我不同意：如果迭代次数足够多，你不必只计算列删除的时间。以下是一个最小值问题模拟：
rrontime，但重点是避免打印。事实上，没有打印发生（在date（）块内）@rimorob那么我现在完全糊涂了！我认为你关于打印的看法是对的，尽管这只是一种预感：我认为当你使用一个没有明显函数的数据帧时，它会打印到某个地方。在代码块内，例如date（）；df[，]；date（），它可能打印到某个空缓冲区，但没有意识到它无论如何都不会被显示——有点像perl@rimorob哦，我明白了。是的，很可能就是这样。
data[, eval(cI) := NULL]

data = data[, (cI) := NULL]

data[, (cI) := NULL]

> DT          # very slow. R copies the whole of DT for some reason
> print(DT)   # very fast. R doesn't copy DT.