r - 是否有一种最佳方法可以使用 data.table 创建一堆新列？

Question

我正在使用 data.table
我有一个新列的名称向量。我想创建这些新列，但使用旧列中的信息。
让我在下面的例子中展示它:

data <- data.table(a = c("OneA", "TwoB", "ThreeC"),
                   b = c(1, 2, 3))

newCols <- c("One", "Two", "Three")

for (newCol in newCols) {
  data[, eval(newCol) := gsub(paste0("^.*", newCol), "", a)]
}

作为输出，我期望(并得到)以下内容:

> data
        a   b    One    Two Three
1:   OneA   1      A   OneA  OneA
2:   TwoB   2   TwoB      B  TwoB
3: ThreeC   3 ThreeC ThreeC     C

在这种情况下，我结合从向量定义新列并使用向量值本身来填充这些列。有没有办法做得更优化(例如使用 set())？

Answer 1

其实，你在那里很近。只需将您的代码调整为:

for (newCol in newCols) {
  DT[, (newCol) := sub(newCol, "", a)]
}

并且您有一个既快速又高效的解决方案(比使用 lapply 更好)。

或者，您也可以在 for 循环中使用 set:

for (newCol in newCols) {
  set(DT, j = newCol, value = sub(newCol, "", DT[["a"]]))
}

那么为什么在这种情况下 for -loop 是更好的选择呢？

使用 lapply，首先评估 := 的 RHS(右手瞄准具)。这意味着首先创建所有新列，并且必须首先在内存中分配和填充，然后添加到 data.table 。 for -loop 方法更有效，因为它一次处理一列，因此只需要该一列的工作内存。

set 是 := 的低开销可循环版本。它对于通过引用(使用 for 循环)重复更新某些列的行特别有用。 set 消除了 [data.table 方法的小开销，因此速度更快。

以上解释基于 Matt Dowle(this answer 的创建者)的 data.table 和帮助文件 ?set 。