我只花了一些时间研究R中的data.table，并且想知道我可以期望获得最大性能提升的条件。也许简单的答案是当我有一个大型data.frame并经常在这个data.frame的子集上运行。当我只是加载数据文件并估计模型时，我不能期望太多，但许多[操作会产生差异。这是真的吗，唯一的答案还是我应该考虑什么？什么时候开始重要？ 10x5,1,000x5,1,000,000x5？
编辑：有些评论表明data.table通常更快，同样重要，几乎从不慢。因此，了解何时不使用data.table也是一件好事。
答案 0 :(得分：10)
至少有少数情况data.table闪耀：
data.table是引用的，因此massively faster。以下是一些基准测试： Benchmarking data.frame (base), data.frame(package dataframe) and data.table
答案 1 :(得分：7)
data.table快速发布的一个实例是split-apply-combine类型的工作，它使plyr成名。假设您有一个data.frame，其中包含以下数据：
precipitation time station_id
23.3 1 A01
24.1 2 A01
26.1 1 A02
etc etc
当您需要平均每个电台ID时，您可以使用许多R功能，例如： ave，ddply或data.table。如果station_id中的唯一元素数量增加，则data.table可以很好地扩展，例如ddply变得非常慢。更多详细信息，包括示例，可以在this post on my blog中找到。该测试表明速度增加超过150倍是可能的。这种差异可能会大得多......