R語言是21世紀的資料分析利器，數以萬計的「R包」構成了R的靈魂。但如果只允許推薦一個R包，作為R語言的4年忠實使用者和多個R包的開發者，我會毫不猶豫地向所有初學者和進階者推薦：
data.table
。
本文目錄
data。table
作為一種資料型別
data。table
作為一款R包
data。table
的學習資源合集
data。table速查表 - 1/2
data。table速查表 - 2/2
（關於
data。table
速查表，詳見：RStudio Cheatsheets）
1 /
data。table
作為一種資料型別
用過R語言的人都知道，
data。frame
是R內建的、預設的資料框型別（即一個具有行和列的資料表）。從外部匯入的資料一般都以
data。frame
資料框格式在R裡面進行處理和分析。
data。table
作為一種高階資料型別，首先繼承了
data。frame
基礎資料型別，其官方文件已經明確說明“
data。table
是
data。frame
的擴充套件（extension）”。
library（rio） # 資料匯入匯出（“一站式”R包，可匯入任意格式/字尾的外部資料）
library（data。table） # data。table資料型別與資料處理
data = import（“YourData。xlsx”， sheet=“Sheet1”） # 詳見rio包的import/export函式
dt = as。data。table（data） # 預設是data。frame，轉換為data。table，並存至一個新變數
class（dt） # 檢視資料型別
# ［1］ “data。table” “data。frame”
同時，
data。table
具備很多獨特而出色的性質，與其他資料型別（如
data。frame
、
tibble
/
tbl_df
）相比具有很多優勢。
高效：輕鬆、快速處理GB級別的大資料，並且融合了SQL資料庫的語法風格
極簡：只需很短的程式碼就能完成資料的行、列、分組、合併、重塑等相關操作
豐富：資料型別自帶篩選、計算、分組、合併等多種方法，無需藉助其他函式
此外，一部分R使用者需要在資料框裡面“巢狀表”，由於
data。frame
無法實現而十分推崇
tibble
（
tbl_df
）。其實，這一點不僅
tibble
能實現，
data。table
也完全能實現。
d1=data。frame（a=1：3， b=4：6）
d2=data。frame（a=4：6， b=1：3）
df=data。frame（x=list（d1， d2））
df # 無法實現“巢狀表”
db=tibble：：tibble（x=list（d1， d2））
db # 可以實現“巢狀表”
db［［1， “x”］］［［1］］
dt=data。table：：data。table（x=list（d1， d2））
dt # 可以實現“巢狀表”
dt［［1， “x”］］
tibble 和 data。table 都能實現“巢狀表”
值得一提的是，
data。table
的效能優勢也是有測試結果作為實證依據的。Jan Gorecki 曾對比過不同開源軟體及程式包在資料處理方面的效能，結果發現，
data。table
在資料處理效率上秒殺一大批工具包，甚至輕鬆超越Python的
pandas
包和R語言的
dplyr
包（結果如下圖，測試資料規模為5 GB）。而當資料規模達到50 GB，
pandas
和
dplyr
都已經hold不住了（報錯或記憶體溢位），但
data。table
依然穩居榜首（詳見：資料處理工具效能大比拼）。
資料處理工具效能大比拼（https：//h2oai。github。io/db-benchmark/）
2 /
data。table
作為一款R包
使用
data。table
包並不意味著排斥或棄用其他R包——相反，
data。table
包是能夠和
tidyverse
、
dplyr
等著名R包
相容並存、相輔相成
的。雖然我大力推薦使用
data。table
包，但是在我開發的
bruceR
包裡，首先為使用者安裝的就是
tidyverse
包，並且當用戶透過
library（bruceR）
載入
bruceR
時，預設載入的還有其他一系列重要的、常用的R包，其中就包括
dplyr
和
data。table
：
bruceR包的載入
這裡需要明確幾個事實：
tidyverse
本身只是一系列常用包的集合（包括
dplyr
、
ggplot2
、
lubridate
、
stringr
、
tibble
、
tidyr
等），並且載入時會為使用者預設載入某些常用包，但它本身並沒有什麼實質性的函式（不信可以檢視它的幫助文件）。
管道運算子（
%>%
）非常好用，也與
data。table
完全相容，但它本身既不是
tidyverse
包裡的，也不是
dplyr
包裡的，而是
magrittr
包裡的。
dplyr
包的各種資料操作或處理函式，完全適用於
data。frame
、
tibble
/
tbl_df
、
data。table
等資料型別，因此
data。table
與
dplyr
並不衝突（比如，我個人也喜歡用
dplyr：：left_join（）
函式對
data。table
資料進行匹配拼接處理）。
總之：
tidyverse
是建議安裝的一個綜合性R包（並不必然與
tibble
相聯絡）
dplyr
是建議掌握的一個數據處理R包（並不必然與
tibble
相聯絡）
data。table
是強烈建議掌握的一個兼具資料型別和資料處理功能的R包
這三者是可以相容幷包、組合使用的
圖片來源：https：//zhuanlan。zhihu。com/p/83592539
3 /
data。table
的學習資源合集
當我們從外部以
data。table
型別匯入資料，就可以領略它在資料處理方面的妙處了。
library（rio） # 資料匯入匯出（“一站式”R包，可匯入任意格式/字尾的外部資料）
library（data。table） # data。table資料型別與資料處理
library（dplyr） # 資料處理
data = import（“YourData。xlsx”， setclass=“data。table”） # 直接以data。table型別匯入
。。。
學習並掌握
data。table
需要花費一些時間，並且要在實際專案中多寫程式碼以達到熟練
。但是一旦掌握，資料分析效率將大幅提升，並且很可能會產生一種
“人R合一”的暢態體驗
。
下面是我收集整理的
data。table
學習資源，供大家自學參考：
（1）教程系列（入門可參考）
（2）官方文件（進階可參考）
