本章将介绍 data.table，可直接替代 data.frame，并展示如何使用 data.table 的 i 参数来筛选行。

欢迎加入本课程！

data.table 小测验

创建 data.table

认识 bikes 数据

在 data.table 中筛选行

使用正整数筛选行

使用负整数过滤行

使用逻辑向量筛选行

用于筛选的辅助工具

我 %like% data.table

使用 %in% 进行筛选

使用 %between% 和 %chin% 进行筛选

data.table 入门

正如 i 参数用于筛选行，data.table 的 j 参数用于选择列并执行计算。与 data.frame 相比，这种语法更为便捷且灵活。

从 data.table 中选择列

选择单个列

按列名选择列

取消选择特定列

以 data.table 的方式在列上计算

在 j 中进行计算（I）

在 j 中计算（II）

在 j 中进行高级计算

在 j 中计算（III）

结合使用 i 和 j

选择列与列上计算

本章将介绍 data.table 的 by 参数，它让您可以按组执行计算。学完本章，您将掌握 data.table 简洁的 DT[i, j, by] 语法。

按组计算

按组计算统计量（I）

按组计算统计量（II）

计算多个统计量

串联 data.table 表达式

行排序

前 5 个最热门目的地是什么？

每个起点站最受欢迎的目的地是哪个？

组合使用 i、j 和 by（I）

在 j 中使用 .SD 进行计算

使用 .SD（I）

使用 .SD（II）

分组运算

本章将讲解 data.table 的一项独特功能：就地修改已有的 data.table。就地修改让您的操作极其快速，而且容易上手。

通过引用添加与更新列

添加新列

更新已有列（I）

更新已有列（II）

分组聚合

按组添加列

按组更新列

高级聚合

一次添加多个列（I）

同时添加多列（II）

结合使用 i、j 和 by（II）

引用语义

data.table 包不仅能让计算极其快速，还可高效地将数据读写到磁盘。本章聚焦 data.table 的 fread() 与 fwrite() 函数，它们可让您快速、轻松地导入与导出平面文件！

使用 fread() 快速读取数据

从磁盘快速读取

导入 CSV 文件

按需导入部分列

导入选定的行

高级文件读取

读取大整数

指定列的类型

处理空行与不完整行

处理缺失值

使用 fwrite() 快速写出数据

将文件写入磁盘

写入日期和时间列

快速写入磁盘

数据导入与导出

data.table 包是对 R 基础 data.frame 的高性能增强版，在语法与功能上做了改进，更易用、更便捷，编程效率更高。本课程将向您展示如何创建、筛选并操作 data.table。您还将学习 data.table 受数据库启发的特性，包括内置的分组运算。课程最后将介绍以高速导入与导出 CSV 等表格文本数据的方法。完成课程后，您将能够在 R 中使用 data.table，更高效地完成数据处理与分析。整个课程中，您将使用 2014 年旧金山湾区共享单车出行数据集进行练习。

Intermediate R

掌握数据操作核心概念，如使用data.table进行筛选、选择和计算分组统计。

在 R 中使用 data.table 进行数据处理

掌握 data.table 中的数据处理核心概念，如筛选、选择和计算分组统计。 

在 j 中进行高级计算

Create Your Free Account