Sélectionnez NA dans un ensemble de données.table en R

Heureusement, DT[is.na(x),] est presque aussi rapide que (par exemple) DT["a",], si dans la pratique, cela ne peut pas vraiment beaucoup d'importance:

library(data.table)
library(rbenchmark)

DT = data.table(x=rep(c("a","b",NA),each=3e6), y=c(1,3,6), v=1:9)
setkey(DT,x)  

benchmark(DT["a",],
          DT[is.na(x),],
          replications=20)
#             test replications elapsed relative user.self sys.self user.child
# 1      DT["a", ]           20    9.18    1.000      7.31     1.83         NA
# 2 DT[is.na(x), ]           20   10.55    1.149      8.69     1.85         NA

===

Plus de Matthieu (ne rentre pas dans les commentaires) :

Les données ci-dessus a 3 groupes de très grande taille, cependant. Donc, l'avantage de rapidité de recherche binaire est dominée ici par le temps de créer un grand sous-ensemble (1/3 des données est copié).

benchmark(DT["a",],  # repeat select of large subset on my netbook
    DT[is.na(x),],
    replications=3)
          test replications elapsed relative user.self sys.self
     DT["a", ]            3   2.406    1.000     2.357    0.044
DT[is.na(x), ]            3   3.876    1.611     3.812    0.056

benchmark(DT["a",which=TRUE],   # isolate search time
    DT[is.na(x),which=TRUE],
    replications=3)
                      test replications elapsed relative user.self sys.self
     DT["a", which = TRUE]            3   0.492    1.000     0.492    0.000
DT[is.na(x), which = TRUE]            3   2.941    5.978     2.932    0.004

Que la taille du sous-ensemble retourné diminue (par exemple l'ajout de plusieurs groupes), la différence devient évidente. Vecteur des analyses sur une seule colonne ne sont pas trop mauvais, mais sur 2 ou plusieurs colonnes, il se dégrade rapidement.

Peut-être le NAs doit être joignable à. Il me semble me rappeler d'un chat avec qui, si. Voici un peu d'histoire liée à partir de FR#1043 d'Autoriser ou d'interdire NA clés?. Il mentionne qu'il y NA_integer_ est à l'intérieur d'un nombre entier négatif. L'accord sur les adpic jusqu'radix/comptage de tri (iirc), résultant en setkey va plus lentement. Mais c'est sur la liste à revoir.