前言

數據處理在數據分析流程中的地位相信大家都有目共睹，也是每一個數據從業(yè)者面臨的最為繁重的工作任務。

在實際應用場景下，雖然SQL（SQL類專業(yè)的etl語言）是數據處理的首選明星語言，性能佳、效率高、容易培養(yǎng)數據思維，但是SQL沒法處理構建全流程的數據任務，之后仍然需要借助其他數據分析工具來對接更為深入的分析任務。

R語言作為專業(yè)的統(tǒng)計計算語言，數據處理是其一大特色功能，事實上每一個處理任務在R語言中都有著不止一套解決方案（這通常也是初學者在入門R語言時，感覺內容太多無從下手的原因），當然這些不同方案確實存在著性能和效率的絕大差異。

合理選擇一套自己的數據處理工具組合算是挺艱難的選擇，因為這個涉及到使用習慣和遷移成本的問題，比如你先熟知了R語言的基礎繪圖系統(tǒng)，在沒有強大的驅動力的情況下，你可能不太愿意畫大把時間去研究ggplot2，你用會寫for/while循環(huán)，就不太愿意去掌握apply組函數，甚至那些性能逆天的并行算運算包；剛開始會用基礎字符串處理，看到stringr包就面臨著技能工具更新的問題……

太多的選擇，讓人眼花繚亂，我自己也遇到過這種困惑，為了避免注意力分散，我的做法是先做可能性羅列——羅列一個可以實現同類功能的所有工具清單并做一套功能卡（也算是初步了解）。然后根據自己掌握的現狀選擇最熟練的一套，隨著時間的推移慢慢發(fā)現現有工具組合的不足，開始嘗試往更加高效、簡介的工具遷移，這樣以需求為推動力的技能升級和遷移更為徹底和明確。

最典型的幾個技能組合遷移如下：

基礎字符串處理函數——stringr 繪圖系統(tǒng)：plot——ggplot2 代碼風格：函數嵌套

總結

以上是生活随笔為你收集整理的R语言学习笔记之——数据处理神器data.table的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。