这是一个使用的解决方案数据表 http://r-datatable.com's :=运营商，以 Andrie 和 Ramnath 的答案为基础。
require(data.table) # v1.6.6
require(gdata) # v2.8.2
set.seed(1)
dt1 = create_dt(2e5, 200, 0.1)
dim(dt1)
[1] 200000 200 # more columns than Ramnath's answer which had 5 not 200
f_andrie = function(dt) remove_na(dt)
f_gdata = function(dt, un = 0) gdata::NAToUnknown(dt, un)
f_dowle = function(dt) { # see EDIT later for more elegant solution
na.replace = function(v,value=0) { v[is.na(v)] = value; v }
for (i in names(dt))
eval(parse(text=paste("dt[,",i,":=na.replace(",i,")]")))
}
system.time(a_gdata = f_gdata(dt1))
user system elapsed
18.805 12.301 134.985
system.time(a_andrie = f_andrie(dt1))
Error: cannot allocate vector of size 305.2 Mb
Timing stopped at: 14.541 7.764 68.285
system.time(f_dowle(dt1))
user system elapsed
7.452 4.144 19.590 # EDIT has faster than this
identical(a_gdata, dt1)
[1] TRUE
请注意，f_dowle 通过引用更新了 dt1。如果需要本地副本，则显式调用copy需要函数来制作整个数据集的本地副本。数据表的setkey, key<- and :=不要写时复制。
接下来，让我们看看 f_dowle 都把时间花在哪里了。
Rprof()
f_dowle(dt1)
Rprof(NULL)
summaryRprof()
$by.self
self.time self.pct total.time total.pct
"na.replace" 5.10 49.71 6.62 64.52
"[.data.table" 2.48 24.17 9.86 96.10
"is.na" 1.52 14.81 1.52 14.81
"gc" 0.22 2.14 0.22 2.14
"unique" 0.14 1.36 0.16 1.56
... snip ...
在那里，我会重点关注na.replace and is.na，其中有一些矢量副本和矢量扫描。通过编写一个小的 na.replace C 函数来更新，可以很容易地消除这些问题NA通过向量中的引用。我认为这至少可以将 20 秒时间缩短一半。 R包中是否存在这样的函数？
原因f_andrie失败可能是因为它复制了整个dt1，或者创建一个与整个dt1，几次。其他 2 种方法一次只适用于一列（尽管我只是简单地了解了NAToUnknown).
EDIT（拉姆纳特在评论中要求的更优雅的解决方案）：
f_dowle2 = function(DT) {
for (i in names(DT))
DT[is.na(get(i)), (i):=0]
}
system.time(f_dowle2(dt1))
user system elapsed
6.468 0.760 7.250 # faster, too
identical(a_gdata, dt1)
[1] TRUE
我希望我一开始就这样做！
EDIT2（一年多后，现在）
还有set()。如果有很多列被循环，这会更快，因为它避免了调用的（小）开销[,:=,]循环中。set是一个可循环的:=. See ?set.
f_dowle3 = function(DT) {
# either of the following for loops
# by name :
for (j in names(DT))
set(DT,which(is.na(DT[[j]])),j,0)
# or by number (slightly faster than by name) :
for (j in seq_len(ncol(DT)))
set(DT,which(is.na(DT[[j]])),j,0)
}
