Data.table: क्यों data.table सूची कॉलम सबसेट की तुलना में वेक्टरकृत कॉलम सबसेट के साथ तेज है

मुझे यह data.table सामान पसंद है, समान रूप से इसकी निष्पादन गति के लिए और स्क्रिप्टिंग के अपने पारिश्रमिक तरीके के लिए।
मैं इसे छोटी टेबल पर भी इस्तेमाल करता हूं।
मैं नियमित रूप से इस तरह से तालिकाओं को सबसेट करता हूं: DT[, .(id1, id5)]
और इस तरह से नहीं: DT[, c("id1", "id5")]

आज मैंने दोनों की गति मापी और छोटी मेजों पर गति के अंतर से चकित हो गया। पारसीमोनियस तरीका रास्ता धीमा है।

क्या यह अंतर कुछ इरादा है?

क्या निष्पादन की गति के मामले में दूसरे के साथ अभिसरण करने के लिए एक उदार तरीका बनाने की आकांक्षा है?
(यह तब मायने रखता है जब मुझे कई छोटी तालिकाओं को दोहराए जाने वाले तरीके से सबसेट करना होता है।)

उबंटू 18.04
आर संस्करण 3.5.3 (2019-03-11)
डेटा.टेबल 1.12.0
रैम 32GB
Intel® Core™ i7-8565U CPU @ 1.80GHz × 8

library(data.table)
library(microbenchmark)
N  <- 2e8
K  <- 100
set.seed(1)
DT <- data.table(
  id1 = sample(sprintf("id%03d", 1:K), N, TRUE),               # large groups (char)
  id2 = sample(sprintf("id%03d", 1:K), N, TRUE),               # large groups (char)
  id3 = sample(sprintf("id%010d", 1:(N/K)), N, TRUE),       # small groups (char)
  id4 = sample(K,   N, TRUE),                                           # large groups (int)
  id5 = sample(K,   N, TRUE),                                           # large groups (int)
  id6 = sample(N/K, N, TRUE),                                          # small groups (int)
  v1 =  sample(5,   N, TRUE),                                           # int in range [1,5]
  v2 =  sample(5,   N, TRUE),                                           # int in range [1,5]
  v3 =  sample(round(runif(100, max = 100), 4), N, TRUE) # numeric e.g. 23.5749
)

microbenchmark(
  DT[, .(id1, id5)],
  DT[, c("id1", "id5")]
)
Unit: seconds
                  expr      min       lq     mean   median       uq      max neval
     DT[, .(id1, id5)] 1.588367 1.614645 1.929348 1.626847 1.659698 12.33872   100
 DT[, c("id1", "id5")] 1.592154 1.613800 1.937548 1.628082 2.184456 11.74581   100


N  <- 2e5
DT2 <- data.table(
  id1 = sample(sprintf("id%03d", 1:K), N, TRUE),                 # large groups (char)
  id2 = sample(sprintf("id%03d", 1:K), N, TRUE),                 # large groups (char)
  id3 = sample(sprintf("id%010d", 1:(N/K)), N, TRUE),         # small groups (char)
  id4 = sample(K,   N, TRUE),                                             # large groups (int)
  id5 = sample(K,   N, TRUE),                                             # large groups (int)
  id6 = sample(N/K, N, TRUE),                                            # small groups (int)
  v1 =  sample(5,   N, TRUE),                                             # int in range [1,5]
  v2 =  sample(5,   N, TRUE),                                             # int in range [1,5]
  v3 =  sample(round(runif(100, max = 100), 4), N, TRUE)   # numeric e.g. 23.5749
)

microbenchmark(
  DT2[, .(id1, id5)],
  DT2[, c("id1", "id5")]
)
Unit: microseconds
                   expr      min       lq      mean    median        uq      max neval
DT2[, .(id1, id5)] 1405.042 1461.561 1525.5314 1491.7885 1527.8955 2220.860   100
DT2[, c("id1", "id5")]  614.624  640.617  666.2426  659.0175  676.9355  906.966   100