sheet - r studio create data table

Convierte un marco de datos a un data.table sin copia

Question

Tengo un marco de datos grande (del orden de varios GB) que me gustaría convertir a data.table . Usar as.data.table crea una copia del marco de datos, lo que significa que necesito que la memoria disponible sea al menos el doble del tamaño de los datos. ¿Hay alguna manera de hacer la conversión sin una copia?

Aquí hay un ejemplo simple para demostrar:

library(data.table)
N <- 1e6
K <- 1e2
data <- as.data.frame(rep(data.frame(rnorm(N)), K))

gc(reset=TRUE)
tracemem(data)
data <- as.data.table(data)
gc()

Con salida:

library(data.table)
# data.table 1.8.10  For help type: help("data.table")
N <- 1e6
K <- 1e2
data <- as.data.frame(rep(data.frame(rnorm(N)), K))

gc(reset=TRUE)
# used  (Mb) gc trigger   (Mb)  max used  (Mb)
# Ncells    303759  16.3     597831   32.0    303759  16.3
# Vcells 100442572 766.4  402928632 3074.2 100442572 766.4
tracemem(data)
# [1] "<0x363fda0>"
data <- as.data.table(data)
# tracemem[0x363fda0 -> 0x31e4260]: copy as.data.table.data.frame as.data.table 
gc()
# used  (Mb) gc trigger   (Mb)  max used   (Mb)
# Ncells    304519  16.3     597831   32.0    306162   16.4
# Vcells 100444242 766.4  322342905 2459.3 200933219 1533.0

Answer 1

Esto está disponible desde v1.9.0+ . De NEWS :

o Después de esta publicación SO , ahora se implementa una función setDT que toma una list (named y / o sin nombre), data.frame (o data.table ) como entrada y devuelve el mismo objeto como data.table por referencia (sin ninguna dupdo). Ver ?setDT ejemplos para más.

Esto está de acuerdo con la convención de nombres de data.table - todas las funciones set* modifican por referencia. := es el único otro que también se modifica por referencia.

require(data.table) # v1.9.0+
setDT(data) # converts data which is a data.frame to data.table *by reference*

Consulte el historial de respuestas antiguas (ahora desactualizadas).