将 NULL 分配给数据框列而不是子集是个好主意吗？答案

【问题标题】：Is it a good idea to assign NULL to a column of data frame instead of subsetting?将 NULL 分配给数据框列而不是子集是个好主意吗？
【发布时间】：2019-03-20 10:49:26
【问题描述】：

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

这让我提出这个问题：

将NULL 分配给数据框列而不是子集是个好主意吗？

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

【问题讨论】：

使用子集，您将获得另一个 data.frame，而原始数据保持不变（在您的情况下，您当然将新结果分配给相同的名称，因此原始数据丢失）。通过分配，您修改了 data.frame（这在内部不是很准确，但它是从用户的角度来看的）并且您丢失了列。
因此，如果您想要另一个 data.frame 同时保留原始数据，那么您就是子集。如果要修改 data.frame，请删除该列。

标签： r dataframe null subset

【解决方案1】：

我尝试使用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"

子集有不同的最终地址（预期为 df 被替换）

<- 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复制一份（tracemem结果；几份？），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 通过引用修改 data.frames（和 data.tables）。

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

带有 [] 的子集也有不同的最终地址

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())

【讨论】：