{"id":300419,"date":"2020-03-19T21:00:16","date_gmt":"2020-03-19T21:00:16","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=300419"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=300419","title":{"rendered":"\u0412\u043e\u043a\u0440\u0443\u0433 data.table"},"content":{"rendered":"\n<div class=\"post__text post__text-html post__text_v1\" id=\"post-content-body\" data-io-article-url=\"https:\/\/habr.com\/ru\/post\/493132\/\">\u042d\u0442\u0430 \u0437\u0430\u043c\u0435\u0442\u043a\u0430 \u0431\u0443\u0434\u0435\u0442 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u0430 \u0434\u043b\u044f \u0442\u0435\u0445, \u043a\u0442\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0443 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0442\u0430\u0431\u043b\u0438\u0447\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f R \u2014 data.table, \u0438, \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e, \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0434 \u0443\u0432\u0438\u0434\u0435\u0442\u044c \u0433\u0438\u0431\u043a\u043e\u0441\u0442\u044c \u0435\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043d\u0430 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445.<\/p>\n<p>  \u0412\u0434\u043e\u0445\u043d\u043e\u0432\u0438\u0432\u0448\u0438\u0441\u044c \u0445\u043e\u0440\u043e\u0448\u0438\u043c \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u043c <a href=\"https:\/\/habr.com\/ru\/post\/475210\/\">\u043a\u043e\u043b\u043b\u0435\u0433\u0438<\/a>, \u0438 \u043d\u0430\u0434\u0435\u044f\u0441\u044c, \u0447\u0442\u043e \u0432\u044b \u0443\u0436\u0435 \u043f\u043e\u0447\u0438\u0442\u0430\u043b\u0438 \u0435\u0433\u043e \u0441\u0442\u0430\u0442\u044c\u044e, \u043f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u044e \u0433\u043b\u0443\u0431\u0436\u0435 \u043a\u043e\u043f\u043d\u0443\u0442\u044c \u0432 \u0441\u0442\u043e\u0440\u043e\u043d\u0443 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438 \u043a\u043e\u0434\u0430 \u0438 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438 \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 <b>data.table<\/b>.<\/p>\n<p>  <a name=\"habracut\"><\/a><\/p>\n<h2>\u0412\u0432\u0435\u0434\u0435\u043d\u0438\u0435: \u043e\u0442\u043a\u0443\u0434\u0430 \u0438\u0434\u0435\u0442 data.table?<\/h2>\n<p>  \u041b\u0443\u0447\u0448\u0435 \u0432\u0441\u0435\u0433\u043e \u043d\u0430\u0447\u0430\u0442\u044c \u0437\u043d\u0430\u043a\u043e\u043c\u0441\u0442\u0432\u043e \u0441 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u043e\u0439 \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u0438\u0437\u0434\u0430\u043b\u0435\u043a\u0430, \u0430 \u0438\u043c\u0435\u043d\u043d\u043e, \u0441\u043e \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440 \u0434\u0430\u043d\u043d\u044b\u0445, \u0438\u0437 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043f\u043e\u043b\u0443\u0447\u0435\u043d \u043e\u0431\u044a\u0435\u043a\u0442 data.table (\u0434\u0430\u043b\u0435\u0435, \u0414\u0422).<\/p>\n<h3>\u041c\u0430\u0441\u0441\u0438\u0432.<\/h3>\n<p>  <\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041a\u043e\u0434<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">## arrays ---------  arrmatr &lt;- array(1:20, c(4,5))  class(arrmatr)  typeof(arrmatr)  is.array(arrmatr)  is.matrix(arrmatr)  <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  \u041e\u0434\u043d\u0430 \u0438\u0437 \u0442\u0430\u043a\u0438\u0445 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440 \u2014 \u044d\u0442\u043e \u043c\u0430\u0441\u0441\u0438\u0432 (<b>?base::array<\/b>). \u041a\u0430\u043a \u0438 \u0432 \u0434\u0440\u0443\u0433\u0438\u0445 \u044f\u0437\u044b\u043a\u0430\u0445 \u043c\u0430\u0441\u0441\u0438\u0432\u044b \u0437\u0434\u0435\u0441\u044c \u043c\u043d\u043e\u0433\u043e\u043c\u0435\u0440\u043d\u044b. \u041e\u0434\u043d\u0430\u043a\u043e \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u044b\u043c \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0442\u043e, \u0447\u0442\u043e, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0434\u0432\u0443\u043c\u0435\u0440\u043d\u044b\u0439 \u043c\u0430\u0441\u0441\u0438\u0432 \u043d\u0430\u0447\u0438\u043d\u0430\u0435\u0442 \u043d\u0430\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u044c \u0441\u0432\u043e\u0439\u0441\u0442\u0432\u0430 \u043e\u0442 \u043a\u043b\u0430\u0441\u0441\u0430 \u043c\u0430\u0442\u0440\u0438\u0446\u044b<b> (?base::matrix<\/b>), \u0430 \u043e\u0434\u043d\u043e\u043c\u0435\u0440\u043d\u044b\u0439 \u043c\u0430\u0441\u0441\u0438\u0432, \u0447\u0442\u043e \u0442\u043e\u0436\u0435 \u0432\u0430\u0436\u043d\u043e, \u043d\u0435 \u043d\u0430\u0441\u043b\u0435\u0434\u0443\u0435\u0442 \u043e\u0442 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 (<b>?base::vector<\/b>).<\/p>\n<p>  \u041f\u0440\u0438 \u044d\u0442\u043e\u043c \u043d\u0430\u0434\u043e \u043f\u043e\u043d\u0438\u043c\u0430\u0442\u044c, \u0447\u0442\u043e \u0442\u0438\u043f \u0434\u0430\u043d\u043d\u044b\u0445, \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0449\u0438\u0445\u0441\u044f \u0432 \u043a\u0430\u043a\u043e\u043c-\u043b\u0438\u0431\u043e \u043e\u0431\u044a\u0435\u043a\u0442\u0435 \u0441\u043b\u0435\u0434\u0443\u0435\u0442 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0444\u0443\u043d\u043a\u0446\u0438\u0435\u0439 <b>base::typeof<\/b>, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0432\u043d\u0443\u0442\u0440\u0435\u043d\u043d\u0435\u0435 \u043e\u043f\u0438\u0441\u0430\u043d\u0438\u0435 \u0442\u0438\u043f\u0430 \u0441\u043e\u0433\u043b\u0430\u0441\u043d\u043e <b>R Internals<\/b> \u2014 \u043e\u0431\u0449\u0438\u043c \u043f\u0440\u043e\u0442\u043e\u043a\u043e\u043b\u043e\u043c \u044f\u0437\u044b\u043a\u0430, \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u043c \u0441 \u043f\u0435\u0440\u0432\u043e\u0440\u043e\u0434\u043d\u044b\u043c <b>C<\/b>.<\/p>\n<p>  \u0415\u0449\u0435 \u043e\u0434\u043d\u0430 \u043a\u043e\u043c\u0430\u043d\u0434\u0430, \u0434\u043b\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u043a\u043b\u0430\u0441\u0441\u0430 \u043e\u0431\u044a\u0435\u043a\u0442\u0430, <b>base::class<\/b>, \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0432 \u0441\u043b\u0443\u0447\u0430\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u0432\u0435\u043a\u0442\u043e\u0440\u043d\u044b\u0439 \u0442\u0438\u043f (\u043e\u043d \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0435\u043c \u043e\u0442 \u0432\u043d\u0443\u0442\u0440\u0435\u043d\u043d\u0435\u0433\u043e, \u043d\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u0442\u0430\u043a\u0436\u0435 \u043f\u043e\u043d\u044f\u0442\u044c \u0442\u0438\u043f \u0434\u0430\u043d\u043d\u044b\u0445).<\/p>\n<h3>\u0421\u043f\u0438\u0441\u043e\u043a.<\/h3>\n<p>  \u0418\u0437 \u0434\u0432\u0443\u043c\u0435\u0440\u043d\u043e\u0433\u043e \u043c\u0430\u0441\u0441\u0438\u0432\u0430, \u043e\u043d \u0436\u0435 \u043c\u0430\u0442\u0440\u0438\u0446\u0430, \u043c\u043e\u0436\u043d\u043e \u043f\u0435\u0440\u0435\u0439\u0442\u0438 \u043a \u0441\u043f\u0438\u0441\u043a\u0443 (<b>?base::list<\/b>).  <\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041a\u043e\u0434<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">## lists ------------------  mylist &lt;- as.list(arrmatr)  is.vector(mylist)  is.list(mylist) <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  \u041f\u0440\u0438 \u044d\u0442\u043e\u043c \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u044f\u0442 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0432\u0435\u0449\u0435\u0439 \u0441\u0440\u0430\u0437\u0443:<\/p>\n<ul>\n<li>\u0421\u0445\u043b\u043e\u043f\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0432\u0442\u043e\u0440\u043e\u0435 \u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u0435 \u043c\u0430\u0442\u0440\u0438\u0446\u044b, \u0442\u043e \u0435\u0441\u0442\u044c, \u043c\u044b \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u0438 \u0441\u043f\u0438\u0441\u043e\u043a \u0438 \u0432\u0435\u043a\u0442\u043e\u0440. <\/li>\n<li>\u0421\u043f\u0438\u0441\u043e\u043a, \u0442\u0430\u043a\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c, \u043d\u0430\u0441\u043b\u0435\u0434\u0443\u0435\u0442 \u043e\u0442 \u044d\u0442\u0438\u0445 \u043a\u043b\u0430\u0441\u0441\u043e\u0432. \u041d\u0430\u0434\u043e \u0438\u043c\u0435\u0442\u044c \u0432 \u0432\u0438\u0434\u0443, \u0447\u0442\u043e \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u0443 \u0441\u043f\u0438\u0441\u043a\u0430 \u0431\u0443\u0434\u0435\u0442 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u043e\u0432\u0430\u0442\u044c \u043e\u0434\u043d\u043e (\u0441\u043a\u0430\u043b\u044f\u0440\u043d\u043e\u0435) \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u0438\u0437 \u044f\u0447\u0435\u0439\u043a\u0438 \u043c\u0430\u0442\u0440\u0438\u0446\u044b-\u043c\u0430\u0441\u0441\u0438\u0432\u0430.<\/li>\n<\/ul>\n<p>  \u0411\u043b\u0430\u0433\u043e\u0434\u0430\u0440\u044f \u0442\u043e\u043c\u0443, \u0447\u0442\u043e \u0441\u043f\u0438\u0441\u043e\u043a \u044d\u0442\u043e \u0442\u0430\u043a\u0436\u0435 \u0438 \u0432\u0435\u043a\u0442\u043e\u0440, \u043a \u043d\u0435\u043c\u0443 \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0442\u044c \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0434\u043b\u044f \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432.<\/p>\n<h3>\u0414\u0430\u0442\u0430\u0444\u0440\u0435\u0439\u043c.<\/h3>\n<p>  \u041e\u0442 \u0441\u043f\u0438\u0441\u043a\u0430, \u043c\u0430\u0442\u0440\u0438\u0446\u044b \u0438\u043b\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043c\u043e\u0436\u043d\u043e \u043f\u0435\u0440\u0435\u0439\u0442\u0438 \u043a \u0434\u0430\u0442\u0430\u0444\u0440\u0435\u0439\u043c\u0443 (<b>?base::data.frame<\/b>).  <\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041a\u043e\u0434<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">## data.frames ------------  df &lt;- as.data.frame(arrmatr) df2 &lt;- as.data.frame(mylist)  is.list(df)  df$V6 &lt;- df$V1 + df$V2 <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  \u0427\u0442\u043e \u0432 \u043d\u0435\u043c \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e: \u0434\u0430\u0442\u0430\u0444\u0440\u0435\u0439\u043c \u043d\u0430\u0441\u043b\u0435\u0434\u0443\u0435\u0442 \u043e\u0442 \u0441\u043f\u0438\u0441\u043a\u0430! \u041a\u043e\u043b\u043e\u043d\u043a\u0438 \u0434\u0430\u0442\u0430\u0444\u0440\u0435\u0439\u043c\u0430 \u044f\u0432\u043b\u044f\u044e\u0442\u0441\u044f \u044f\u0447\u0435\u0439\u043a\u0430\u043c\u0438 \u0441\u043f\u0438\u0441\u043a\u0430. \u042d\u0442\u043e \u0431\u0443\u0434\u0435\u0442 \u0432\u0430\u0436\u043d\u043e \u0432 \u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0435\u043c, \u043a\u043e\u0433\u0434\u0430 \u043c\u044b \u0431\u0443\u0434\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0444\u0443\u043d\u043a\u0446\u0438\u0438, \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u043c\u044b\u0435 \u043a \u0441\u043f\u0438\u0441\u043a\u0430\u043c.<\/p>\n<h3>data.table.<\/h3>\n<p>  \u041f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u0414\u0422 (<b>?data.table::data.table<\/b>) \u043c\u043e\u0436\u043d\u043e \u0438\u0437 <i>\u0434\u0430\u0442\u0430\u0444\u0440\u0435\u0439\u043c\u0430<\/i>, \u0441\u043f\u0438\u0441\u043a\u0430, \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0438\u043b\u0438 \u043c\u0430\u0442\u0440\u0438\u0446\u044b. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0432\u043e\u0442 \u0442\u0430\u043a (in place).  <\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041a\u043e\u0434<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">## data.tables ----------------------- library(data.table)  data.table::setDT(df)  is.list(df)  is.data.frame(df)  is.data.table(df) <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  \u041f\u043e\u043b\u0435\u0437\u043d\u043e \u0442\u043e, \u0447\u0442\u043e, \u043a\u0430\u043a \u0438 \u0434\u0430\u0442\u0430\u0444\u0440\u0435\u0439\u043c, \u0414\u0422 \u043d\u0430\u0441\u043b\u0435\u0434\u0443\u0435\u0442 \u0441\u0432\u043e\u0439\u0441\u0442\u0432\u0430 \u0441\u043f\u0438\u0441\u043a\u0430.<\/p>\n<h3>\u0414\u0422 \u0438 \u043f\u0430\u043c\u044f\u0442\u044c.<\/h3>\n<p>  \u0412 \u043e\u0442\u043b\u0438\u0447\u0438\u0435 \u043e\u0442 \u0432\u0441\u0435\u0445 \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u0445 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 \u0432 R base, \u0414\u0422 \u043f\u0435\u0440\u0435\u0434\u0430\u044e\u0442\u0441\u044f \u043f\u043e \u0441\u0441\u044b\u043b\u043a\u0435. \u0415\u0441\u043b\u0438 \u043d\u0443\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043a\u043e\u043f\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0432 \u043d\u043e\u0432\u0443\u044e \u043e\u0431\u043b\u0430\u0441\u0442\u044c \u043f\u0430\u043c\u044f\u0442\u0438, \u043d\u0443\u0436\u043d\u0430 \u0444\u0443\u043d\u043a\u0446\u0438\u044f <b>data.table::copy<\/b> \u043b\u0438\u0431\u043e \u043d\u0443\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0432\u044b\u0431\u043e\u0440\u043a\u0443 \u0438\u0437 \u0441\u0442\u0430\u0440\u043e\u0433\u043e \u043e\u0431\u044a\u0435\u043a\u0442\u0430.  <\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041a\u043e\u0434<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">df2 &lt;- df  df[V1 == 1, V2 := 999]  data.table::fsetdiff(df, df2)  df2 &lt;- data.table::copy(df)  df[V1 == 2, V2 := 999]  data.table::fsetdiff(df, df2) <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  \u041d\u0430 \u044d\u0442\u043e\u043c \u0432\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043f\u043e\u0434\u0445\u043e\u0434\u0438\u0442 \u043a \u043a\u043e\u043d\u0446\u0443. \u0414\u0422 \u2014 \u044d\u0442\u043e \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0435\u043d\u0438\u0435 \u0440\u0430\u0437\u0432\u0438\u0442\u0438\u044f \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432 R, \u043a\u043e\u0442\u043e\u0440\u043e\u0435 \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u0437\u0430 \u0441\u0447\u0435\u0442 \u0440\u0430\u0441\u0448\u0438\u0440\u0435\u043d\u0438\u044f \u0438 \u0443\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u044f \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439, \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u043c\u044b\u0445 \u043d\u0430\u0434 \u043e\u0431\u044a\u0435\u043a\u0442\u0430\u043c\u0438 \u043a\u043b\u0430\u0441\u0441\u0430 \u0434\u0430\u0442\u0430\u0444\u0440\u0435\u0439\u043c. \u041f\u0440\u0438 \u044d\u0442\u043e\u043c \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u0435\u0442\u0441\u044f \u043d\u0430\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435 \u043e\u0442 \u0434\u0440\u0443\u0433\u0438\u0445 \u043f\u0440\u0438\u043c\u0438\u0442\u0438\u0432\u043e\u0432.<\/p>\n<h2>\u041d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u0440\u0438\u043c\u0435\u0440\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0441\u0432\u043e\u0439\u0441\u0442\u0432 data.table.<\/h2>\n<h3>\u041a\u0430\u043a \u0441\u043f\u0438\u0441\u043e\u043a&#8230;<\/h3>\n<p>  \u0418\u0442\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043f\u043e \u0441\u0442\u0440\u043e\u043a\u0430\u043c \u0434\u0430\u0442\u0430\u0444\u0440\u0435\u0439\u043c\u0430 \u0438\u043b\u0438 \u0414\u0422 \u043d\u0435 \u043b\u0443\u0447\u0448\u0430\u044f \u0438\u0434\u0435\u044f, \u0442\u0430\u043a \u043a\u0430\u043a \u043a\u043e\u0434 \u0446\u0438\u043a\u043b\u0430 \u043d\u0430 \u044f\u0437\u044b\u043a\u0435 <b>R<\/b> \u0433\u043e\u0440\u0430\u0437\u0434\u043d\u043e \u043c\u0435\u0434\u043b\u0435\u043d\u0435\u0435 <b>C<\/b>, \u0430 \u043f\u0440\u043e\u0439\u0442\u0438\u0441\u044c \u0432 \u0446\u0438\u043a\u043b\u0435 \u043f\u043e \u0441\u0442\u043e\u043b\u0431\u0446\u0430\u043c, \u043a\u043e\u0442\u043e\u0440\u044b\u0445, \u043e\u0431\u044b\u0447\u043d\u043e, \u0433\u043e\u0440\u0430\u0437\u0434\u043d\u043e \u043c\u0435\u043d\u044c\u0448\u0435, \u0432\u043f\u043e\u043b\u043d\u0435 \u043c\u043e\u0436\u043d\u043e. \u0418\u0434\u044f \u043f\u043e \u0441\u0442\u043e\u043b\u0431\u0446\u0430\u043c, \u043f\u043e\u043c\u043d\u0438\u043c, \u0447\u0442\u043e \u043a\u0430\u0436\u0434\u044b\u0439 \u0441\u0442\u043e\u043b\u0431\u0435\u0446 \u044d\u0442\u043e \u044d\u043b\u0435\u043c\u0435\u043d\u0442 \u0441\u043f\u0438\u0441\u043a\u0430, \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0449\u0438\u0439, \u043a\u0430\u043a \u043f\u0440\u0430\u0432\u0438\u043b\u043e, \u0432\u0435\u043a\u0442\u043e\u0440. \u0410 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438 \u043d\u0430\u0434 \u0432\u0435\u043a\u0442\u043e\u0440\u0430\u043c\u0438 \u0445\u043e\u0440\u043e\u0448\u043e \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u043e\u0432\u0430\u043d\u044b \u0432 \u0431\u0430\u0437\u043e\u0432\u044b\u0445 \u0444\u0443\u043d\u043a\u0446\u0438\u044f\u0445 \u044f\u0437\u044b\u043a\u0430. \u0422\u0430\u043a\u0436\u0435 \u043c\u043e\u0436\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u044b \u0432\u044b\u0431\u043e\u0440\u043a\u0438, \u0441\u0432\u043e\u0439\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0435 \u0441\u043f\u0438\u0441\u043a\u0430\u043c \u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u0430\u043c: <b>`[[`, `$`<\/b>.  <\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041a\u043e\u0434<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">## operations on data.tables ------------  #using list properties  df$'V1'[1]  df[['V1']]  df[[1]][1]  sapply(df, class)  sapply(df, function(x) sum(is.na(x))) <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<h3>\u0412\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u044f.<\/h3>\n<p>  \u0415\u0441\u043b\u0438 \u0435\u0441\u0442\u044c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u044c \u043f\u0440\u043e\u0439\u0442\u0438 \u043f\u043e \u0441\u0442\u0440\u043e\u043a\u0430\u043c \u0431\u043e\u043b\u044c\u0448\u043e\u0433\u043e \u0414\u0422, \u043b\u0443\u0447\u0448\u0438\u043c \u0440\u0435\u0448\u0435\u043d\u0438\u0435\u043c \u0431\u0443\u0434\u0435\u0442 \u043d\u0430\u043f\u0438\u0441\u0430\u043d\u0438\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0441 \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u0435\u0439. \u041d\u043e \u0435\u0441\u043b\u0438 \u044d\u0442\u043e \u043d\u0435 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0441\u044f, \u0442\u043e \u0441\u043b\u0435\u0434\u0443\u0435\u0442 \u043f\u043e\u043c\u043d\u0438\u0442\u044c, \u0447\u0442\u043e \u0446\u0438\u043a\u043b <i>\u0432\u043d\u0443\u0442\u0440\u0438 <\/i> \u0414\u0422 \u0432\u0441\u0435 \u0440\u0430\u0432\u043d\u043e \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0446\u0438\u043a\u043b\u0430 \u0432 <b>R<\/b>, \u0442\u0430\u043a \u043a\u0430\u043a \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u0435\u0442\u0441\u044f \u043d\u0430 <b>C<\/b>.<\/p>\n<p>  \u041f\u043e\u043f\u0440\u043e\u0431\u0443\u0435\u043c \u043d\u0430 \u0431\u041e\u043b\u044c\u0448\u0435\u043c \u043f\u0440\u0438\u043c\u0435\u0440\u0435 \u0441\u043e 100\u041a \u0441\u0442\u0440\u043e\u043a. \u0411\u0443\u0434\u0435\u043c \u0432\u044b\u0442\u0430\u0441\u043a\u0438\u0432\u0430\u0442\u044c \u043f\u0435\u0440\u0432\u0443\u044e \u0431\u0443\u043a\u0432\u0443 \u0438\u0437 \u0441\u043b\u043e\u0432, \u0432\u0445\u043e\u0434\u044f\u0449\u0438\u0445 \u0432 \u0432\u0435\u043a\u0442\u043e\u0440-\u043a\u043e\u043b\u043e\u043d\u043a\u0443 <b>w<\/b>.<\/p>\n<p>  <i>Updated<\/i><\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041a\u043e\u0434<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">library(magrittr) library(microbenchmark)  ## Bigger example ----  rown &lt;- 100000  dt &lt;-  \tdata.table( \t\tw = sapply(seq_len(rown), function(x) paste(sample(letters, 3, replace = T), collapse = ' ')) \t\t, a = sample(letters, rown, replace = T) \t\t, b = runif(rown, -3, 3) \t\t, c = runif(rown, -3, 3) \t\t, e = rnorm(rown) \t) %&gt;% \t.[, d := 1 + b + c + rnorm(nrow(.))]  # vectorization  microbenchmark({ \tdt[ \t\t, first_l := unlist(strsplit(w, split = ' ', fixed = T))[1] \t\t, by = 1:nrow(dt) \t   ] })  # second  first_l_f &lt;- function(sd) { \tstrsplit(sd, split = ' ', fixed = T) %&gt;% \t\tdo.call(rbind, .) %&gt;% \t\t`[`(,1) }  dt[, first_l := NULL]  microbenchmark({ \tdt[ \t\t, first_l := .(first_l_f(w)) \t\t] })  # third  first_l_f2 &lt;- function(sd) { \tstrsplit(sd, split = ' ', fixed = T) %&gt;% \t\tunlist %&gt;% \t\tmatrix(nrow = 3) %&gt;% \t\t`[`(1,) }  dt[, first_l := NULL]  microbenchmark({ \tdt[ \t\t, first_l := .(first_l_f2(w)) \t\t] }) <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  \u041f\u0435\u0440\u0432\u044b\u0439 \u043f\u0440\u043e\u0433\u043e\u043d \u0441 \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0435\u0439 \u043f\u043e \u0441\u0442\u0440\u043e\u043a\u0430\u043c:<\/p>\n<blockquote><p>Unit: milliseconds<br \/>   expr min<br \/>   { dt[, `:=`(first_l, unlist(strsplit(w, split = &quot; &quot;, fixed = T))[1]), by = 1:nrow(dt)] } 439.6217<br \/>   lq mean median uq max neval<br \/>   451.9998 460.1593 456.2505 <b>460.9147<\/b> 621.4042 100<\/p><\/blockquote>\n<p>  \u0412\u0442\u043e\u0440\u043e\u0439 \u043f\u0440\u043e\u0433\u043e\u043d, \u0433\u0434\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u044f \u0438\u0434\u0435\u0442 \u0447\u0435\u0440\u0435\u0437 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u0435 \u0441\u043f\u0438\u0441\u043a\u0430 \u0432 \u043c\u0430\u0442\u0440\u0438\u0446\u0443 \u0438 \u0432\u0437\u044f\u0442\u0438\u0435 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432 \u043d\u0430 \u0441\u0440\u0435\u0437\u0435 \u0441 \u0438\u043d\u0434\u0435\u043a\u0441\u043e\u043c 3 (\u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0435\u0435 \u0438 \u0435\u0441\u0442\u044c \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u044f).<\/p>\n<blockquote><p>Unit: milliseconds<br \/>   expr min lq mean median uq max neval<br \/>   { dt[, `:=`(first_l, .(first_l_f(w)))] } 93.07916 112.1381 161.9267 <b>149.6863<\/b> 185.9893 442.5199 100  <\/p><\/blockquote>\n<p>  \u0423\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u0435 \u043f\u043e \u043c\u0435\u0434\u0438\u0430\u043d\u0435 \u0432 <b>3 \u0440\u0430\u0437<\/b>.<\/p>\n<p>  \u0422\u0440\u0435\u0442\u0438\u0439 \u043f\u0440\u043e\u0433\u043e\u043d, \u0433\u0434\u0435 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0430 \u0441\u0445\u0435\u043c\u0430 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0435\u043d\u0438\u044f \u0432 \u043c\u0430\u0442\u0440\u0438\u0446\u0443.  <\/p>\n<blockquote><p>Unit: milliseconds<br \/>   expr min lq mean median uq max neval<br \/>   { dt[, `:=`(first_l, .(first_l_f2(w)))] } 32.60481 34.13679 40.4544 <b>35.57115<\/b> 42.11975 222.972 100  <\/p><\/blockquote>\n<p>  \u0423\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u0435 \u043f\u043e \u043c\u0435\u0434\u0438\u0430\u043d\u0435 \u0432 <b>13 \u0440\u0430\u0437<\/b>.<\/p>\n<p>  \u0421 \u044d\u0442\u0438\u043c \u0434\u0435\u043b\u043e\u043c \u043d\u0430\u0434\u043e \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c, \u0447\u0435\u043c \u0431\u043e\u043b\u044c\u0448\u0435 \u2014 \u0442\u0435\u043c \u043b\u0443\u0447\u0448\u0435 \u0431\u0443\u0434\u0435\u0442.<\/p>\n<h3>\u0421\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0435 \u043e\u0434\u043d\u043e\u0439 \u0446\u0435\u043f\u044c\u044e&#8230;<\/h3>\n<p>  \u0421 \u043e\u0431\u044a\u0435\u043a\u0442\u0430\u043c\u0438 \u0414\u0422 \u043c\u043e\u0436\u043d\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044f chaining. \u0412\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u044d\u0442\u043e \u043a\u0430\u043a \u043f\u0440\u0438\u0446\u0435\u043f\u043b\u0435\u043d\u0438\u0435 \u0441\u0438\u043d\u0442\u0430\u043a\u0441\u0438\u0441\u0430 \u0441\u043a\u043e\u0431\u043e\u043a \u0441\u043f\u0440\u0430\u0432\u0430, \u043f\u043e \u0441\u0443\u0442\u0438, \u0441\u0430\u0445\u0430\u0440\u043e\u043a.  <\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041a\u043e\u0434<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\"># chaining  res1 &lt;- dt[a == 'a'][sample(.N, 100)]  res2 &lt;- dt[, .N, a][, N]  res3 &lt;- dt[, coefficients(lm(e ~ d))[1], a][, .(letter = a, coef = V1)]  <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<h3>\u0422\u0435\u0447\u0435\u0442 \u043f\u043e \u0442\u0440\u0443\u0431\u0430\u043c&#8230;<\/h3>\n<p>  \u0422\u0430\u043a\u0438\u0435 \u0436\u0435 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438 \u043c\u043e\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0447\u0435\u0440\u0435\u0437 piping, \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043f\u043e\u0445\u043e\u0436\u0435, \u043d\u043e \u0444\u0443\u043d\u043a\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e \u0431\u043e\u0433\u0430\u0447\u0435, \u0442\u0430\u043a \u043a\u0430\u043a \u043c\u043e\u0436\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043b\u044e\u0431\u044b\u0435 \u043c\u0435\u0442\u043e\u0434\u044b, \u0430 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0414\u0422. \u0412\u044b\u0432\u0435\u0434\u0435\u043c \u043a\u043e\u044d\u044d\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u044b \u043b\u043e\u0433\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438 \u0434\u043b\u044f \u043d\u0430\u0448\u0438\u0445 \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441 \u0440\u044f\u0434\u043e\u043c \u0444\u0438\u043b\u044c\u0442\u0440\u043e\u0432 \u043d\u0430 \u0414\u0422.  <\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041a\u043e\u0434<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\"># piping  samplpe_b &lt;- dt[a %in% head(letters), sample(b, 1)]  res4 &lt;-  \tdt %&gt;% \t.[a %in% head(letters)] %&gt;% \t.[,  \t  { \t  \tdt0 &lt;- .SD[1:100] \t  \t \t  \tquants &lt;-  \t  \t\tdt0[, c] %&gt;% \t  \t\tquantile(seq(0.1, 1, 0.1), na.rm = T) \t  \t \t  \t.(q = quants) \t  } \t  , .(cond = b &gt; samplpe_b) \t  ] %&gt;% \tglm( \t\tcond ~ q -1 \t\t, family = binomial(link = &quot;logit&quot;) \t\t, data = . \t) %&gt;% \tsummary %&gt;% \t.[[12]] <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<h3>\u0421\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0430, \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0438 \u043f\u0440\u043e\u0447\u0435\u0435 \u0432\u043d\u0443\u0442\u0440\u0438 \u0414\u0422.<\/h3>\n<p>  \u041c\u043e\u0436\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043b\u044f\u043c\u0431\u0434\u0430-\u0444\u0443\u043d\u043a\u0446\u0438\u0438, \u043d\u043e \u0438\u043d\u043e\u0433\u0434\u0430 \u043b\u0443\u0447\u0448\u0435 \u0441\u043e\u0437\u0434\u0430\u0442\u044c \u0438\u0445 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e, \u043f\u0440\u043e\u043f\u0438\u0441\u0430\u0442\u044c \u0432\u0435\u0441\u044c \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0434\u0430\u043d\u043d\u044b\u0445, \u0438 \u0432\u043f\u0435\u0440\u0435\u0434 \u2014 \u043e\u043d\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u0432\u043d\u0443\u0442\u0440\u0438 \u0414\u0422. \u041f\u0440\u0438\u043c\u0435\u0440 \u043e\u0431\u043e\u0433\u0430\u0449\u0435\u043d \u0432\u0441\u0435\u043c\u0438 \u0432\u044b\u0448\u0435\u043f\u0435\u0440\u0435\u0447\u0438\u0441\u043b\u0435\u043d\u043d\u044b\u043c\u0438 \u0444\u0438\u0447\u0430\u043c\u0438, \u043f\u043b\u044e\u0441 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u043b\u0435\u0437\u043d\u044b\u0445 \u0432\u0435\u0449\u0435\u0439 \u0438\u0437 \u0430\u0440\u0441\u0435\u043d\u0430\u043b\u0430 \u0414\u0422 (\u0442\u0430\u043a\u0438\u0445 \u043a\u0430\u043a \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u0435 \u043a \u0441\u0430\u043c\u043e\u043c\u0443 \u0414\u0422 \u0432\u043d\u0443\u0442\u0440\u0438 \u0414\u0422 \u043f\u043e \u0441\u0441\u044b\u043b\u043a\u0435, \u0432\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u043d\u044b\u0445 \u0438\u043d\u043e\u0433\u0434\u0430 \u043d\u0435 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e, \u043d\u043e \u0447\u0442\u043e\u0431\u044b \u0431\u044b\u043b\u043e).<\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041a\u043e\u0434<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\"># function  rm(lm_preds)  lm_preds &lt;- function( \tsd, by, n ) { \t \tif( \t\tn &lt; 100 |  \t\t!by[['a']] %in% head(letters, 4) \t   ) \t{ \t\t \t\tres &lt;- \t\t\tlist( \t\t\t\tlow = NA \t\t\t\t, mean = NA \t\t\t\t, high = NA \t\t\t\t, coefs = NA \t\t\t) \t\t \t} else {  \t\tlmm &lt;-  \t\t\tlm( \t\t\t\td ~ c + b \t\t\t\t, data = sd \t\t\t) \t\t \t\tpreds &lt;-  \t\t\tstats::predict.lm( \t\t\t\tlmm \t\t\t\t, sd \t\t\t\t, interval = &quot;prediction&quot; \t\t\t\t) \t\t \t\tres &lt;- \t\t\tlist( \t\t\t\tlow = preds[, 2] \t\t\t\t, mean = preds[, 1] \t\t\t\t, high = preds[, 3] \t\t\t\t, coefs = coefficients(lmm) \t\t\t) \t}  \tres \t }  res5 &lt;-  \tdt %&gt;% \t.[e &lt; 0] %&gt;% \t.[.[, .I[b &gt; 0]]] %&gt;% \t.[, `:=` ( \t\tlow = as.numeric(lm_preds(.SD, .BY, .N)[[1]]) \t\t, mean = as.numeric(lm_preds(.SD, .BY, .N)[[2]]) \t\t, high = as.numeric(lm_preds(.SD, .BY, .N)[[3]]) \t\t, coef_c = as.numeric(lm_preds(.SD, .BY, .N)[[4]][1]) \t\t, coef_b = as.numeric(lm_preds(.SD, .BY, .N)[[4]][2]) \t\t, coef_int = as.numeric(lm_preds(.SD, .BY, .N)[[4]][3]) \t) \t, a \t] %&gt;% \t.[!is.na(mean), -'e', with = F]   # plot  plo &lt;-  \tres5 %&gt;% \tggplot + \tfacet_wrap(~ a) + \tgeom_ribbon( \t\taes( \t\t\tx = c * coef_c + b * coef_b + coef_int \t\t\t, ymin = low \t\t\t, ymax = high \t\t\t, fill = a \t\t) \t\t, size = 0.1 \t\t, alpha = 0.1 \t) + \tgeom_point( \t\taes( \t\t\tx = c * coef_c + b * coef_b + coef_int \t\t\t, y = mean \t\t\t, color = a \t\t) \t\t, size = 1 \t) + \tgeom_point( \t\taes( \t\t\tx = c * coef_c + b * coef_b + coef_int \t\t\t, y = d \t\t) \t\t, size = 1 \t\t, color = 'black' \t) + \ttheme_minimal()  print(plo)  <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<h3>\u0417\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435.<\/h3>\n<p>  \u042f \u043d\u0430\u0434\u0435\u044e\u0441\u044c, \u0447\u0442\u043e \u0441\u043c\u043e\u0433 \u0441\u043e\u0437\u0434\u0430\u0442\u044c \u0446\u0435\u043b\u044c\u043d\u0443\u044e, \u043d\u043e, \u043a\u043e\u043d\u0435\u0447\u043d\u043e, \u043d\u0435 \u043f\u043e\u043b\u043d\u0443\u044e, \u043a\u0430\u0440\u0442\u0438\u043d\u0443 \u0442\u0430\u043a\u043e\u0433\u043e \u043e\u0431\u044a\u0435\u043a\u0442\u0430 \u043a\u0430\u043a data.table, \u043d\u0430\u0447\u0438\u043d\u0430\u044f \u043e\u0442 \u0435\u0433\u043e \u0441\u0432\u043e\u0439\u0441\u0442\u0432 \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0445 \u0441 \u043d\u0430\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435\u043c \u043e\u0442 \u043a\u043b\u0430\u0441\u0441\u043e\u0432 R \u0438 \u0437\u0430\u043a\u0430\u043d\u0447\u0438\u0432\u0430\u044f \u0435\u0433\u043e \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u043c\u0438 \u0444\u0438\u0448\u043a\u0430\u043c\u0438 \u0438 \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u0435\u043c \u0438\u0437 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432 tidyverse. \u041d\u0430\u0434\u0435\u044e\u0441\u044c, \u044d\u0442\u043e \u043f\u043e\u043c\u043e\u0436\u0435\u0442 \u0432\u0430\u043c \u043b\u0443\u0447\u0448\u0435 \u0438\u0437\u0443\u0447\u0438\u0442\u044c \u0438 \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0442\u044c \u044d\u0442\u0443 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0443 \u0434\u043b\u044f \u0440\u0430\u0431\u043e\u0442\u044b \u0438 <i>\u0440\u0430\u0437\u0432\u043b\u0435\u0447\u0435\u043d\u0438\u044f<\/i>.<\/p>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/fh\/xl\/km\/fhxlkmndxsdm4gcfyiymozut1vg.png\"><\/p>\n<p>  \u0421\u043f\u0430\u0441\u0438\u0431\u043e!<\/p>\n<h3>\u041f\u043e\u043b\u043d\u044b\u0439 \u043a\u043e\u0434.<\/h3>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041a\u043e\u0434<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\"> setwd('C:\/R_study\/lectures')  ## load libs ----------------  library(data.table) library(ggplot2) library(magrittr) library(microbenchmark)   ## arrays ---------  arrmatr &lt;- array(1:20, c(4,5))  class(arrmatr)  typeof(arrmatr)  is.array(arrmatr)  is.matrix(arrmatr)   ## lists ------------------  mylist &lt;- as.list(arrmatr)  is.vector(mylist)  is.list(mylist)   ## data.frames ------------  df &lt;- as.data.frame(arrmatr)  is.list(df)  df$V6 &lt;- df$V1 + df$V2   ## data.tables -----------------------  data.table::setDT(df)  is.list(df)  is.data.frame(df)  is.data.table(df)  df2 &lt;- df  df[V1 == 1, V2 := 999]  data.table::fsetdiff(df, df2)  df2 &lt;- data.table::copy(df)  df[V1 == 2, V2 := 999]  data.table::fsetdiff(df, df2)   ## operations on data.tables ------------  #using list properties  df$'V1'[1]  df[['V1']]  df[[1]][1]  sapply(df, class)  sapply(df, function(x) sum(is.na(x)))   ## Bigger example ----  rown &lt;- 100000  dt &lt;-  \tdata.table( \t\tw = sapply(seq_len(rown), function(x) paste(sample(letters, 3, replace = T), collapse = ' ')) \t\t, a = sample(letters, rown, replace = T) \t\t, b = runif(rown, -3, 3) \t\t, c = runif(rown, -3, 3) \t\t, e = rnorm(rown) \t) %&gt;% \t.[, d := 1 + b + c + rnorm(nrow(.))]  # vectorization  microbenchmark({ \tdt[ \t\t, first_l := unlist(strsplit(w, split = ' ', fixed = T))[1] \t\t, by = 1:nrow(dt) \t   ] })  first_l_f &lt;- function(sd) { \tstrsplit(w, split = ' ', fixed = T) %&gt;% \t\tdo.call(rbind, .) %&gt;% \t\t`[`(,3) }  dt[, first_l := NULL]  microbenchmark({ \tdt[ \t\t, first_l := first_l_f(w) \t\t] })  # chaining  res1 &lt;- dt[a == 'a'][sample(.N, 100)]  res2 &lt;- dt[, .N, a][, N]  res3 &lt;- dt[, coefficients(lm(e ~ d))[1], a][, .(letter = a, coef = V1)]  # piping  samplpe_b &lt;- dt[a %in% head(letters), sample(b, 1)]  res4 &lt;-  \tdt %&gt;% \t.[a %in% head(letters)] %&gt;% \t.[,  \t  { \t  \tdt0 &lt;- .SD[1:100] \t  \t \t  \tquants &lt;-  \t  \t\tdt0[, c] %&gt;% \t  \t\tquantile(seq(0.1, 1, 0.1), na.rm = T) \t  \t \t  \t.(q = quants) \t  } \t  , .(cond = b &gt; samplpe_b) \t  ] %&gt;% \tglm( \t\tcond ~ q -1 \t\t, family = binomial(link = &quot;logit&quot;) \t\t, data = . \t) %&gt;% \tsummary %&gt;% \t.[[12]]   # function  rm(lm_preds)  lm_preds &lt;- function( \tsd, by, n ) { \t \tif( \t\tn &lt; 100 |  \t\t!by[['a']] %in% head(letters, 4) \t   ) \t{ \t\t \t\tres &lt;- \t\t\tlist( \t\t\t\tlow = NA \t\t\t\t, mean = NA \t\t\t\t, high = NA \t\t\t\t, coefs = NA \t\t\t) \t\t \t} else {  \t\tlmm &lt;-  \t\t\tlm( \t\t\t\td ~ c + b \t\t\t\t, data = sd \t\t\t) \t\t \t\tpreds &lt;-  \t\t\tstats::predict.lm( \t\t\t\tlmm \t\t\t\t, sd \t\t\t\t, interval = &quot;prediction&quot; \t\t\t\t) \t\t \t\tres &lt;- \t\t\tlist( \t\t\t\tlow = preds[, 2] \t\t\t\t, mean = preds[, 1] \t\t\t\t, high = preds[, 3] \t\t\t\t, coefs = coefficients(lmm) \t\t\t) \t}  \tres \t }  res5 &lt;-  \tdt %&gt;% \t.[e &lt; 0] %&gt;% \t.[.[, .I[b &gt; 0]]] %&gt;% \t.[, `:=` ( \t\tlow = as.numeric(lm_preds(.SD, .BY, .N)[[1]]) \t\t, mean = as.numeric(lm_preds(.SD, .BY, .N)[[2]]) \t\t, high = as.numeric(lm_preds(.SD, .BY, .N)[[3]]) \t\t, coef_c = as.numeric(lm_preds(.SD, .BY, .N)[[4]][1]) \t\t, coef_b = as.numeric(lm_preds(.SD, .BY, .N)[[4]][2]) \t\t, coef_int = as.numeric(lm_preds(.SD, .BY, .N)[[4]][3]) \t) \t, a \t] %&gt;% \t.[!is.na(mean), -'e', with = F]   # plot  plo &lt;-  \tres5 %&gt;% \tggplot + \tfacet_wrap(~ a) + \tgeom_ribbon( \t\taes( \t\t\tx = c * coef_c + b * coef_b + coef_int \t\t\t, ymin = low \t\t\t, ymax = high \t\t\t, fill = a \t\t) \t\t, size = 0.1 \t\t, alpha = 0.1 \t) + \tgeom_point( \t\taes( \t\t\tx = c * coef_c + b * coef_b + coef_int \t\t\t, y = mean \t\t\t, color = a \t\t) \t\t, size = 1 \t) + \tgeom_point( \t\taes( \t\t\tx = c * coef_c + b * coef_b + coef_int \t\t\t, y = d \t\t) \t\t, size = 1 \t\t, color = 'black' \t) + \ttheme_minimal()  print(plo) <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<\/div>\n<p> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/post\/493132\/\"> https:\/\/habr.com\/ru\/post\/493132\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"\n<div class=\"post__text post__text-html post__text_v1\" id=\"post-content-body\" data-io-article-url=\"https:\/\/habr.com\/ru\/post\/493132\/\">\u042d\u0442\u0430 \u0437\u0430\u043c\u0435\u0442\u043a\u0430 \u0431\u0443\u0434\u0435\u0442 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u0430 \u0434\u043b\u044f \u0442\u0435\u0445, \u043a\u0442\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0443 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0442\u0430\u0431\u043b\u0438\u0447\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f R \u2014 data.table, \u0438, \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e, \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0434 \u0443\u0432\u0438\u0434\u0435\u0442\u044c \u0433\u0438\u0431\u043a\u043e\u0441\u0442\u044c \u0435\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043d\u0430 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445.<\/p>\n<p>  \u0412\u0434\u043e\u0445\u043d\u043e\u0432\u0438\u0432\u0448\u0438\u0441\u044c \u0445\u043e\u0440\u043e\u0448\u0438\u043c \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u043c <a href=\"https:\/\/habr.com\/ru\/post\/475210\/\">\u043a\u043e\u043b\u043b\u0435\u0433\u0438<\/a>, \u0438 \u043d\u0430\u0434\u0435\u044f\u0441\u044c, \u0447\u0442\u043e \u0432\u044b \u0443\u0436\u0435 \u043f\u043e\u0447\u0438\u0442\u0430\u043b\u0438 \u0435\u0433\u043e \u0441\u0442\u0430\u0442\u044c\u044e, \u043f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u044e \u0433\u043b\u0443\u0431\u0436\u0435 \u043a\u043e\u043f\u043d\u0443\u0442\u044c \u0432 \u0441\u0442\u043e\u0440\u043e\u043d\u0443 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438 \u043a\u043e\u0434\u0430 \u0438 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438 \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 <b>data.table<\/b>.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-300419","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/300419","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=300419"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/300419\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=300419"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=300419"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=300419"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}