setkey和：=运算符，data.table，R

Question

使用data.table包时，我有点不确定何时需要setkey()。例如，当使用:=运算符和by选项时，即使我没有设置密钥，事情似乎仍然非常快。有人可以解释什么时候setkey()是必要的，什么时候不是？如果在调用:=之前没有必要使用by那么data.table包是如此之快，因为大概它必须通过执行顺序搜索而不是二进制搜索而在标准data.frame R中执行与apply相同的操作，因为它没有知道我的data.table是否实际按参数by排序。

感谢

Answer 1

这2个常见问题似乎接近：

3.2我没有上一大桌的关键，但分组仍然是真正的快。这是为什么？
data.table使用基数排序。这比其他排序算法显着更快。基数仅用于整数，参见?base::sort.list(x,method="radix")。这也是为什么setkey很快的原因之一。当没有密钥设置，或者我们按照与密钥不同的顺序进行分组时，我们称它为特设。

3.3为什么在按键中按列分组的速度要快于临时按？
因为每个组是在连续的RAM，从而最小化页面取和存储器可以在本体（memcpy在C）被复制，而不是在C.

循环它没有说什么，并且可能应该那么你需要一个非常大的数据集，在你注意到keyed by和ad hoc by之间的区别之前，每个组都是非常大的数据集。像100个100MB（10GB data.table）的组，例如1e8行和13列。否则，首先不需要，特别是因为这可能会变得繁重。