下面是一个例子，显示10分钟缩短为1秒(从homepage上的新闻).这就像是对data.frame的子授权，但并不是每次都复制整个表.
m = matrix(1,nrow=100000,ncol=100)
DF = as.data.frame(m)
DT = as.data.table(m)
system.time(for (i in 1:1000) DF[i,1] <- i)
user system elapsed
287.062 302.627 591.984
system.time(for (i in 1:1000) DT[i,V1:=i])
user system elapsed
1.148 0.000 1.158 ( 511 times faster )
把:=分放在j分，这样就有了更多的习惯用法:
DT["a",done:=TRUE] # binary search for group 'a' and set a flag
DT[,newcol:=42] # add a new column by reference (no copy of existing data)
DT[,col:=NULL] # remove a column by reference
以及:
DT[,newcol:=sum(v),by=group] # like a fast transform() by group
我想不出任何理由来避免:=！除此之外，在for环路内.因为:=出现在DT[...]中，所以它具有[.data.table方法的小开销；e、 例如，S3调度并判断参数的存在和类型，如i、by、nomatch等.因此，对于内部for循环，有一个低开销的直接版本:=，称为set.更多细节和示例请参见?set.set的缺点包括i必须是行号(没有二进制搜索)，不能与by组合.通过设置这些限制，set可以显著降低开销.
system.time(for (i in 1:1000) set(DT,i,"V1",i))
user system elapsed
0.016 0.000 0.018