data.table包使用应该注意的一些细节

fread中nThread 参数的使用

  注意默认nThread=getDTthreads()，即使用所有能用的核心，但并不是核心用的越多越好，本人亲自测试的情况下，其实单核具有较强的性能，只有在数据大于3Gb的情况下，开启11核（我的机器全部核心30多核）效率才比一个核心更高，而默认使用全部的核心效率一直非常低。因此对于不是非常巨大的文件，建议设置为1，不要使用全部核心

fread中sep是自动检测的

  所以在循环读入文件的过程中，就算不同文件的分隔符不同，也可以循环一次性方便的读入； 还有就算后续改变了文件的分隔符，文件也可以读入，建议不加分隔符

fread可以自动检测注释，并且跳过注释行

  默认skip=0，会跳过不规则的行，因此有注释行时，可以走默认的skip参数

转换成矩阵时可以保留某一列为rowname

  as.matrix作用于data.table时会调用as.matrix.data.table，有一个rownames参数可以指定保留为行名的列

矩阵转换成data.table时可以保留列名

  在as.data.table函数中同样有一个rownames参数，设置为T可以将行名保留下来作为data.table的一列

不建议set和for循环一起使用

  虽然set可以在内存上直接改变数值，但在R中用for循环比批量列运算慢的多，因此首选:=或者apply等

在处理浮点数时会有一些准确性的问题

  比如用seq函数numeric类型的数值时，会存在不准确的问题，比如seq(0,1,by=0.2)中的0.6就不等于0.6， 虽然很费解，但这是因为计算机在存储浮点数时出现的一些问题。现在只发现seq函数会出现这种情况，manual中提供了一个函数解决这个问题，setNumericRounding(2) ，去除最后两个字节，这样运行的更快，也不会出现0.6不等于0.6的问题

支持数据框取交集和并集

  类似于集合运算，data.table中fintersect, fsetdiff, funion，fsetequal函数能对不同数据框的行求交集，差集，并集等

可以直接对列按分隔符进行分割

  应用tstrsplit函数可以将一列按照分隔符分成多列，函数返回的是一个列表，举例：DT[, c("c1", "c2") := tstrsplit(x, "/", fixed=TRUE)][]，将x列按照/分隔，分割成c1，c2两列

支持类似于SQLs的分组运算

  带有rollup， cube， groupingsets函数

参考资料

data.table 1.11.2 manual：https://cran.r-project.org/web/packages/data.table/data.table.pdf