防止不使用选项创建data.table自动索引的简单方法（datatable.auto.index = FALSE）

Question

我有一些像

library(data.table)  # v 1.12.3

foo <- data.table(x = sample(letters, 10^6, replace = T), y = 1)
foo[x == "a", y := 0]
indices(foo)  # x

如您所见，索引是在column上自动创建的x。在这种情况下，我不希望创建索引。我知道我可以用类似的方法来预防

options(datatable.auto.index = FALSE)
foo[x == "a", y := 0]
options(datatable.auto.index = TRUE)

但这似乎是糟糕的设计，因为

1. 这是凌乱的代码
2. 如果foo[x == "a", y := 0]出现错误，将不会重新打开自动索引

这里有更好的选择foo[x == "a", y := 0, autoindex = FALSE]吗？

另外，我想我可以允许创建索引，然后用删除它，setindex(foo, NULL)但是我担心这会增加性能成本。另外，它看起来比应该的还杂乱。

Answer 1

对于像您的示例这样的情况，我认为最好让data.table来做：

library(data.table)  # v 1.12.3 IN DEVELOPMENT built 2019-07-29 22:08:45 UTC
foo <- data.table(x = sample(letters, 10^8, replace = T), y = 1)

# allow optimization (forder, store order as index, bmerge value)
foo1 = copy(foo)
system.time({
  foo1[x == "a", y := 0]
})
stopifnot(length(indices(foo1)) > 0)
#    user  system elapsed 
#    1.43    0.39    0.56 

# disable optimization, hacky
foo2 = copy(foo)
system.time({
  foo2[(x == "a"), y := 0]
})
stopifnot(length(indices(foo2)) == 0)
#    user  system elapsed 
#    0.47    0.01    0.49 

# disable optimization, properly
foo2 = copy(foo)
system.time({
  options(datatable.auto.index = FALSE)
  foo[x == "a", y := 0]
  options(datatable.auto.index = TRUE)
})
stopifnot(length(indices(foo2)) == 0)
#    user  system elapsed 
#    0.48    0.00    0.49 

# disable optimization, from @Oliver in comments
foo2 = copy(foo)
system.time({
  foo2[which(x == "a"), y := 0]
})
stopifnot(length(indices(foo2)) == 0)
#    user  system elapsed 
#    0.54    0.03    0.50 

其他评论：

• 括号(x == "a")可防止data.table解析器识别优化的子集是适当的。有关使用的优化的详细信息，请打开verbose=TRUE参数。

• 我认为上述额外费用很小，而在后续查询中的好处也很大：

  system.time({
    foo1[x == "b", y := 0]
  })
  #    user  system elapsed 
  #    0.17    0.12    0.25 
  

• 也许对于其他自动索引查询，时间差会比这种情况大。

• 除了计算时间之外，索引可能还占用一些空间（存储表的行号的排列？），但是我怀疑在大多数情况下是否值得摆弄。