从data.table手册：
事实上，我们非常喜欢它，data.table 包含一个使用 R 的内部全局字符串缓存的字符向量计数排序算法。这对于包含许多重复项的字符向量特别快，例如键列中的分组数据。这意味着性格通常比因素更受欢迎。仍然完全支持因子，特别是有序因子（级别不是按字母顺序排列的）。
不factor只是整数应该counting sort比更容易character吗？
问问题
969 次
1 回答
13
因子不只是整数，它应该比字符更容易进行计数排序吗？
是的，如果你已经给出了一个因素。但是创造这个因素的时间可能很重要，这就是setkey（和特别by）旨在击败的。尝试factor()对随机排序的字符向量进行计时，例如 1e6 长和 1e4 级别。然后与原始随机排序的字符向量进行比较setkey或特设by。
agstudy 的评论也是正确的；即，字符向量（作为指向 R 缓存字符串的指针）无论如何都与因子非常相似。在 32 位系统上，字符向量与因子的整数向量大小相同，但因子也具有要存储（有时是复制）的级别属性。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，而因子通过级别有额外的跃点。（levels 属性也是 R 字符串缓存指针的字符向量。）
于 2013-08-19T21:21:34.097 回答