R 将矩阵转换为data.table的最快方法

将如下矩阵转换为data.table的最快方法是什么

mat <- matrix(1:9, nrow = 3)

1 2 3
4 5 6
7 8 9

---

但是这是最快的方式吗？我们可以在不首先将其转换为data.frame的情况下执行此操作吗？

您可以使用

magrittr

管道：

mat <- matrix(1:9, nrow = 3) %>% data.table()

---

这里有一些例子来讨论形成

data.table

的速度，即

as.data.table

，

setDT（as.data.frame（mat））

和

setDT（data.frame（mat））

• 当行数小于列数时：

---

谢谢你，马特！您知道如何在不使用data.table以外的包的情况下转换它吗？我更新了答案，将

data.table（）

而不是

as.data.frame（）

，但是您需要

magrittr

才能使用

%>%

。哈哈，谢谢！我认为我必须使用setDT（）而没有考虑data.table（）。谢谢你，马特！没问题！如果答案解决了您的问题，请随意单击绿色复选标记接受答案抱歉，由于速度比较，我不得不接受其他答案。但愿我能接受这两个。但是我真的很感谢你花时间回答这个问题。哇，这太棒了！有趣的是，行和列的相对数量改变了这两个函数的速度。谢谢你的详细回答！为什么不作为.data.frame而不是data.frame？@jangorecki谢谢！我只是用OP的方法来比较。我在基准测试中添加了

as.data.frame

，这样您就可以看到update@johnc请查看我的最新答案，似乎

setDT（as.data.frame（mat））[]

是迄今为止最快的。请注意，data.table中有一个专用的C函数，它应该可以大大减少as.matrix.data.table方法的时间。有关状态，请参阅

mat <- matrix(1:9, nrow = 3) %>% data.table()

mat <- data.table(matrix(1:9, nrow = 3)) 

mat <- matrix(1:5e3, nrow = 5)
microbenchmark(unit = "relative",
               as.data.table(mat),
               setDT(as.data.frame(mat))[],
               setDT(data.frame(mat))[])

Unit: relative
                        expr      min       lq     mean   median       uq      max neval
          as.data.table(mat) 1.433084 1.417747 1.340552 1.413278 1.414386 1.070289   100
 setDT(as.data.frame(mat))[] 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000   100
    setDT(data.frame(mat))[] 1.287526 1.281964 1.237544 1.284735 1.258662 1.186977   100

mat <- matrix(1:5e3, nrow = 5e2)
microbenchmark(unit = "relative",
               as.data.table(mat),
               setDT(as.data.frame(mat))[],
               setDT(data.frame(mat))[])

Unit: relative
                        expr      min       lq     mean   median       uq      max neval
          as.data.table(mat) 1.114003 1.041410 1.083238 1.070029 1.049262 1.254732   100
 setDT(as.data.frame(mat))[] 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000   100
    setDT(data.frame(mat))[] 1.680208 1.467538 1.482018 1.511009 1.479438 1.440440   100