使用data.table包时，我有点不确定何时需要setkey()。例如，当:=运算符与by选项一起使用时，即使我没有设置密钥，事情似乎仍然非常快。有人可以在setkey()何时需要以及何时不需要时澄清？如果在使用:=调用by之前没有必要，那么data.table包的速度如此之快，因为它可能与标准apply中的data.frame做同样的事情{1}} R通过执行顺序搜索而不是二进制搜索，因为它不知道我的data.table是否实际按by的参数排序。
由于
答案 0 :(得分：18)
这两个常见问题解答似乎很接近：
3.2我在大表上没有密钥，但分组仍然非常快。那是为什么？
data.table使用基数排序。这明显快于其他排序算法。 Radix仅适用于整数，请参阅?base::sort.list(x,method="radix")。这也是setkey快速的一个原因。如果没有设置密钥，或者我们按照与密钥的顺序不同的顺序进行分组，我们称之为ad hoc。3.3为什么按键中的列分组比ad hoc更快？
因为每个组在RAM中是连续的，从而最大限度地减少了页面提取，并且可以批量复制内存（C中为memcpy）而不是在C中循环。
它没有说明，也可能应该做的是，你需要一个非常大的数据集，其中每个组也非常大，在你注意到keyed和ad hoc之间的区别之前。像100组每组100MB（10GB data.table），如1e8行和13列。否则，首先不需要setkey，特别是因为这可能会变得繁重。