为什么“数字通常是首选因素”在data.table中为key？

Question

来自data.table手册：

  

事实上，我们非常喜欢data.table包含计数排序   使用R的内部全局字符串的字符向量算法   缓存。对于包含许多的字符向量，这尤其快   重复，例如键列中的分组数据。这意味着   角色通常比较重要。因素仍然充分   支持，特别是有序因素（水平不在其中）   字母顺序）。

factor不是counting sort只是character比{{1}}更容易做整数吗？

Answer 1

  

不是因子只是整数，应该更容易进行计数排序   比起角色？

是的，如果你已经给了一个因素。但是创造这个因素的时间可能很重要，这就是setkey（和临时by）的目标。尝试在随机排序的字符向量上计时factor()，例如1e6长，1e4级别。然后在原始随机排序的字符向量上与setkey或ad hoc by进行比较。

agstudy的评论也是正确的;即，字符向量（指向R缓存字符串的指针）与因素非常相似。在32位系统上，字符向量与因子的整数向量大小相同，但该因子具有存储（有时也可以复制）的levels属性。在64位系统上，指针是两倍大。但另一方面，R的字符串缓存可以直接从字符向量指针中查找，而该因子通过级别有一个额外的跃点。 （levels属性也是R字符串缓存指针的字符向量。）