r语言 - 将 NULL 分配给数据框列而不是子集是一个好主意吗?

Question

让我们假设有df：

df <- data.frame(A = 1 : 3, B = 2 : 4, C = 3 : 5, D = 4 : 6)

现在我想从df中删除列A，我被教导的方式是使用subsetting：

df <- df[, c("B", "C", "D")]
# or
df <- subset(df, select = -A)

但是，我今天了解到以下代码也可以工作：

df$A = NULL

这让我问这个问题：

将NULL分配给数据框列而不是子集化是否是一个好主意？

除了subset返回一个新对象之外，这两者之间的隐含区别(例如语义、性能)是什么？

Answer 1

我试图用tracemem、address和mem_change来探索它。

不同的方法：

#subset
my_df <- subset(my_df, select = -A)

# <- NULL
my_df$A <-  NULL

# set from data.table
set(my_df, j = "A", value = NULL)

# subset with []
my_df <- my_df[, colnames(my_df)[-1]]

结果：

method_name
<memory address from tracemem >
<address of df>
(Possibly tracemem results if object is copied)
memory change when column is deleted
<address of df after column deleted>

subset
[1] "<0x7f92c1504610>"
[1] "0x7f92c1504610"
-178 kB
[1] "0x7f92c1503a10"

子集具有不同的最终地址(在替换 DF 时预期)

<- NULL
[1] "<0x7f92c17b80e0>"
[1] "0x7f92c17b80e0"
tracemem[0x7f92c17b80e0 -> 0x7f92c1719a90]: eval eval mem_change 
tracemem[0x7f92c1719a90 -> 0x7f92c1746400]: $<-.data.frame $<- eval eval mem_change 
tracemem[0x7f92c1746400 -> 0x7f92c17006c0]: $<-.data.frame $<- eval eval mem_change 
-290 kB
[1] "0x7f92c17312e0"

<- NULL制作一份副本(tracemem 结果;多个副本？)，最终地址不同

set from data.table
[1] "<0x7f92c16227c0>"
[1] "0x7f92c16227c0"
-303 kB
[1] "0x7f92c16227c0"

Set 具有相同的最终地址。即使 df 不是 data.table，data.table::set也会通过引用来修改 data.frame(和 data.tables)。

subset with []
[1] "<0x7f92c165cfa0>"
[1] "0x7f92c165cfa0"
-300 kB
[1] "0x7f92c161e950"

带有 [] 的子集也具有不同的最终地址

完整代码：

.create_data <- function() {
suppressWarnings(my_df <-
data.frame(matrix(rnorm(1000000),
ncol = length(LETTERS))))
colnames(my_df) <- copy(LETTERS)
my_df
}
library(pryr)
library(data.table)
##### subset
message("subset")
my_df  <- .create_data()
tracemem(my_df)
address(my_df)
mem_change(my_df <- subset(my_df, select = -A))
address(my_df)
untracemem(my_df)
rm(my_df)
invisible(gc())
##### <- NULL
message("<- NULL")
my_df <- .create_data()
tracemem(my_df)
address(my_df)
mem_change(my_df$A <-  NULL)
address(my_df)
untracemem(my_df)
rm(my_df)
invisible(gc())
##### set from data.table
message("set from data.table")
my_df <- .create_data()
tracemem(my_df)
address(my_df)
mem_change(set(my_df, j = "A", value = NULL))
address(my_df)
untracemem(my_df)
rm(my_df)
invisible(gc())
##### subset with []
message("subset with []")
my_df <- .create_data()
tracemem(my_df)
address(my_df)
mem_change(my_df <- my_df[, colnames(my_df)[-1]])
address(my_df)
untracemem(my_df)
rm(my_df)
invisible(gc())