Я делаю некоторые агрегации на data.table(отличный пакет!!!), и я нашел переменную .SD очень полезной для многих вещей. Однако использование этого метода значительно замедляет вычисление, когда есть много групп. Следуйте примеру:
# A moderately big data.table
x = data.table(id=sample(1e4,1e5,replace=T),
code=factor(sample(2,1e5,replace=T)),
z=runif(1e5)
)
setkey(x,id,code)
system.time(x[,list(code2=nrow(.SD[code==2]), total=.N), by=id])
## user system elapsed
## 6.226 0.000 6.242
system.time(x[,list(code2=sum(code==2), total=.N), by=id])
## user system elapsed
## 0.497 0.000 0.498
system.time(x[,list(code2=.SD[code==2,.N], total=.N), by=id])
## user system elapsed
## 6.152 0.000 6.168
Я что-то делаю неправильно? Должен ли я избегать .SD в пользу отдельных столбцов? Спасибо заранее.