Análisis eficiente de BigData con data.table

Data.Table

Es un paquete de manipulación de grandes volúmenes de datos que permite eficiencia y efectividad a la hora de gestionar datos. Data.Table es:

. Como data.frame, pero con más poder en la sintaxis de código R, y la implementación de código en C.

. Paquete R en CRAN desde 2006.

• Los paquetes de tidyverse tibble + readr + tidyr + dplyr ~= data.table.

• tidyverse usa DF |> … |>, data.table uses DT[…][…] Tidyverse es verborrágico (tiene muchos códigos), data.table es conciso (pocos códigos) por ejemplo: tibble |> filter(x==“a”) |> group_by(z) |> summarise(m=mean(y)) vs: DT[x==“a”, .(m=mean(y)), by=z]

• Matt habló en el 2014 a usuarios de R

  Sintaxis de R con data table

• Piensa en términos básicos de unidades: filas, columnas, grupos.

### data.table::fread es extremadamente eficiente en lector de archivos CSV

Lee números reales de CSV, 100 x N

Fuente del código https://tdhock.github.io/blog/2023/dt-atime-figures/

Descargar la presentación traducida a español aquí: data.table.spanish

Descarga toda la presentación de Latindatatransforme de data.table en el repositorio de GitHub