爲什麼「字符通常更喜歡在data.table中考慮因素」？

Question

從data.table手冊：

事實上，我們喜歡它，以至於data.table包含計數排序 算法，使用R的內部全局字符串 緩存特徵向量。對於包含許多 重複項的字符向量（例如鍵列中的分組數據），這尤其快速。這意味着 字符通常是首選因素。因素仍然完全支持 ，特別是有序因素（其中水平不在 字母順序）。

是不是factor這應該是更容易做counting sort比character只是整數？

Answer 1

是不是因素只是整數應該更容易計算排序 比字符？

是的，如果你已經有了一個因子。但創造這一因素的時間可能很重要，這就是setkey（和特設by）的目標。嘗試在隨機排序的字符向量上計時factor()，比如說1e6長度爲1e4的水平。然後比較setkey或特設by上的原始隨機排序字符向量。

agstudy的評論也是正確的;即字符向量（作爲R高速緩存字符串的指針）總是與因素非常相似。在32位系統上，字符向量與因子的整數向量大小相同，但該因子具有要存儲（有時也是複製）的levels屬性。在64位系統上，指針是兩倍大。但另一方面，R的字符串緩存可以直接從字符向量指針中查找，而該因子具有通過級別的額外躍點。 （levels屬性也是R字符串緩存指針的字符向量）