这篇想呈现怎样整理修改data.frmae/data.table内的资料 过程中，是否会制作资料复本会造成效能的低落 我试着把可能的解法都想在这篇里面 这篇用一个最简单的例子 包含"Null"字元的一个正数csv档案 目标是要把Null转成NA，并且全部column都转成int/num 可以考虑几种方式 1. 用read.csv读，使用default option，再做剩下的修改 2. 用read.csv读，设定stringsAsFactors=FALSE，直接对chr做修改 3. 用read.csv读，设定na.strings = "Null"，所有column就会直接变成int 4. 用fread读，使用default options，再做剩下的修改 5. 用fread读，设定na.strings = "Null"，再做剩下的修改 这样看起来3.是最方便的方式，不过fread再读大资料时，有它的效率优势 考虑一个有50000个row，200个column的资料，其中有156行包含"Null" 比较看看怎样的转换方式最快。 程式：http://pastebin.com/hX4Biq7x machine: CPU: Celeron [email protected] 6GB Ram Revolution R Open: R version 3.2.0 (2015-04-16) Platform: x86_64-w64-mingw32/x64 (64-bit) Running under: Windows 7 x64 (build 7601) Service Pack 1 Unit: seconds expr min lq mean median uq max neval method_1 3.971753 4.036618 4.460901 4.535446 4.731301 5.329010 20 method_2 3.772901 3.842948 4.494862 4.049869 4.323830 9.667021 20 method_3 3.788617 3.853613 4.132342 3.921652 4.347161 5.132272 20 method_4 3.716265 3.843885 4.145333 3.998319 4.247201 5.708531 20 method_5 12.481331 13.448137 17.182267 14.693496 17.808658 32.192652 20 method_6 12.348287 13.795098 16.440180 15.891280 17.371023 27.189625 20 method_7 4.773306 4.849003 5.630633 5.326955 5.695046 11.200814 20 method_8 4.100167 4.172661 4.989753 4.536472 5.041444 9.395030 20 method_9 3.908649 4.057392 4.580684 4.365466 4.685546 8.113558 20 method_10 3.920710 3.991021 4.342576 4.350796 4.621759 5.118484 20 method_11 3.756906 3.814765 4.528976 4.191450 4.553097 7.491762 20 method_12 4.215348 4.312883 4.487966 4.440046 4.558055 5.273808 20 method_13 4.214801 4.299568 4.650518 4.482193 4.683664 7.368416 20 method_14 3.859733 3.975412 4.406024 4.316589 4.433386 6.868416 20 method_15 3.814103 4.236323 4.428712 4.367902 4.615070 5.399137 20 小评： method_5跟method_6 (data.frame+sapply)是最差的方式 method_7(data.frame (读入不转factor) as.matrix+as.integer)为次差的方式 最好的方式是method_3跟method_4 (data.table+plyr::colwise) 稍差的方法如method_10 (data.frame (default读入) + base::transform) method_14 (data.table (default读入) + data.table::transform) method_15 (data.table (读入设定nastrings) + data.table::transform) method_12跟method_13 (data.table + dplyr::mutate_each_)表现颇为中庸 如果有其他方法，欢迎提出比较，感谢各位。 结论： 如果资料小的时候，直接使用3.的方式读入资料即可 如果资料较大(大概超过一百万个数值)的时候，建议用fread配上colwise做修改 [关键字]: plyr, dplyr, data.table, data.frame --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 123.205.27.107 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1436685772.A.51F.html ※ 编辑: celestialgod (123.205.27.107), 07/12/2015 15:34:32