Idiom do upuszczania pojedynczej kolumny w data.table

Question

Potrzebuję upuścić jedną kolumnę z data.frame zawierającego kilkaset kolumn.

Z data.frame, użyję subset to zrobić wygodnie:

> dat <- data.table(data.frame(x=runif(10),y=rep(letters[1:5],2),z=runif(10)),key='y') 
> subset(dat,select=c(-z)) 
      x y 
1: 0.1969049 a 
2: 0.7916696 a 
3: 0.9095970 b 
4: 0.3529506 b 
5: 0.4923602 c 
6: 0.5993034 c 
7: 0.1559861 d 
8: 0.9929333 d 
9: 0.3980169 e 
10: 0.1921226 e 

Oczywiście to nadal działa, ale wydaje się, że nie jest bardzo data.table -jak idiomu. Mogę ręcznie skonstruować listę nazw kolumn Chciałem zachować, co wydaje się trochę więcej data.table -jak:

> dat[,list(x,y)] 
      x y 
1: 0.1969049 a 
2: 0.7916696 a 
3: 0.9095970 b 
4: 0.3529506 b 
5: 0.4923602 c 
6: 0.5993034 c 
7: 0.1559861 d 
8: 0.9929333 d 
9: 0.3980169 e 
10: 0.1921226 e 

Ale to muszę skonstruować taką listę, która jest niezgrabne.

Czy jest to właściwy sposób wygodnego upuszczenia jednej lub dwóch kolumn, czy też powoduje to spadek wydajności? Jeśli nie, jaki jest lepszy sposób?

Edit

Benchmarki:

> dat <- data.table(data.frame(x=runif(10^7),y=rep(letters[1:10],10^6),z=runif(10^7)),key='y') 
> microbenchmark(subset(dat,select=c(-z)), dat[,list(x,y)]) 
Unit: milliseconds 
         expr  min  lq median  uq  max 
1   dat[, list(x, y)] 102.62826 167.86793 170.72847 199.89789 792.0207 
2 subset(dat, select = c(-z)) 33.26356 52.55311 53.53934 55.00347 180.8740 

Ale tak naprawdę, gdzie może ważniejsza jest dla pamięci jeśli subset kopii całego data.table.

Answer 1

Jeśli chcą usunąć kolumnę stale używać := NULL

dat[, z := NULL] 

Jeśli masz kolumn do spadku jako ciąg znaków używać () zmusić ocenę jako ciąg znaków, a nie jako nazwy postaci.

toDrop <- c('z') 

dat[, (toDrop) := NULL] 

Jeśli chcesz ograniczyć dostępność kolumn w .SD, możesz przekazać .SDcols argumentem

dat[,lapply(.SD, somefunction) , .SDcols = setdiff(names(dat),'z')] 

Jednak data.table kontroluje j argumenty i tylko dostaje kolumny używać w dowolny sposób. Zobacz nas 1,12

Kiedy piszesz X [Y, suma (foo * bar)], data.table automatycznie kontroluje ekspresję J, aby zobaczyć kolumny, które wykorzystuje.

i nie spróbować i załadować wszystkie dane do .SD (chyba że masz .SD w swoim powołaniu do j)

---

subset.data.table przetwarza połączenie i ostatecznie oceny dat[, c('x','y'), with=FALSE]

korzystania := NULL powinien być w zasadzie natychmiastowy, aveterer t trwale usuwa kolumnę.

Answer 2

Myślę, że tego właśnie szukasz.

dat[, !c("z"), with = FALSE] 

Oto wzorzec dla ogromnych danych z Twojej edycji.

Unit: milliseconds 
         expr  min  lq median  uq  max neval 
    subset(dat, select = c(-z)) 53.37435 56.82514 61.81279 100.3458 339.1400 100 
      dat[, list(x, y)] 191.46678 354.39905 412.06421 451.3933 678.3981 100 
dat[, !c("z"), with = FALSE] 53.49184 57.31756 62.15506 112.7063 398.0107 100