作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R语言数据高效处理指南》（《R语言数据高效处理指南》(黄天元)【摘要 书评 试读】- 京东图书，《R语言数据高效处理指南》(黄天元)【简介_书评_在线阅读】 - 当当图书）。知乎专栏：R语言数据挖掘。邮箱：huang.tian-yuan@qq.com.欢迎合作交流。

对于R中的数据框进行操作，可以说是家常便饭。我自己对这个内容有过浓厚的兴趣，发过很多帖子（如HopeR：R语言数据操作：dplyr与data.table的统一（maditr/table.express）），写过一本书（《R语言数据高效处理指南》），在12届中国R语言会议（上海）做过演讲（HopeR：第十二届上海R会PPT分享：R语言数据操纵之美）。当时我的观点是，dplyr和data.table两个火的包，前者具备编程语言表达上的美感，后者具备强的计算机性能（速度），在未来会看到两者优势的合并。不曾想，才过2个月，我也成为这件事情的促成者之一。我去找到所有与这方面有关的包，但是依旧用不顺手，这事放在以前肯定就是等等看，保不准后面就有人出个好用的包给我用了。不过放在现在，一不做二不休，我们就自己写一个。于是就有了它：

链接如下：

这是我在学习如何做包之后写的第二个包（个是akc）。开始的时候这个包叫做tidydt，dt是data.table的缩写，表示用tidy的语法来表达data.table。不过后来发现重名了，CRAN让双方都不要用这个名字，因为“dt”可能是“datetime”的缩写，有歧义，后就有了现在这个名字——tidyfst（Tidy Verbs for Fast Data Manipulation）。开始这个包只有两个依赖包，就是data.table和stringr，基本就是利用stringr来给data.table做一个跟dplyr一样的API。不过在造轮的过程中，发现为了用户方便，做了一些新的API，以更方便数据操作。

如果你经常使用dplyr/data.table/fst三个包中的任何一个，或者你对操作data.frame结构的数据有很多需求，那么你一定能够在tidyfst中找到新（好）的发现。tidyfst目前的定位就是，单机上高效的数据框处理工具！这个意思是，如果你不是用分布式架构，但是需要日常处理1G-100G的数据，它会是你佳的选择。它的API是独特的，在某些细节我认为可以超越dplyr（默认可以用字符串直接通过正则表达式选择列，无差别处理任何数据框等），而运行速度上肯定不会比data.table快，但是它节省了你思考如何写正确data.table的时间，以及别人看懂你代码的时间，这些时间成本都是非常庞大的！因此，tidyfst是一个性能-可读性的平衡性工具。我个人没有意愿再去做benchmark，因为它的结论肯定是速度：data.table > tidyfst > dplyr （如果不是更快，我就不会来做它了）；可读性：dplyr ≈ tidyfst > data.table；灵活性：tidyfst >= dplyr > data.table。我基本上找了所有与这个主题的包相似的包，然后吸取其特性的优点。这些包包括：

• maditr
• fst
• data.table
• dplyr
• dtplyr
• table.express
• tidyfast
• tidytable

tidyfst将会一直从新的包中学习，不过它的根本还是data.table（今后可能会更改导入包，但是它是不会变的），其实它不失为一个引导大家了解data.table的工具。我其实data.table没有那么熟练，但是没关系，我只要熟练一次就够了，后面就可以用tidyfst直接调用这些高性能的操作。如果你是从dplyr想入手data.table的用户，那么没有比tidyfst更好的选择了。

温馨提示：v0.6.9已经在CRAN，但是group_dt函数我刚刚优化了，如果要用快速分组计算，请使用GitHub上的开发版本（v0.7.7）。