r - 为什么在更新键列时删除键？

Question

我刚刚注意到包装中有一个小问题。请参阅下面的代码片段进行重现。

---

DT = data.table(a=1:3, b=1:6);
setkey(DT,b);

# As expected - data is "keyed" on b
> key(DT) 
[1] "b"

# Now if i change content of column b, the key on the table "drops out"
DT [,b := seq(1,6)];

> key(DT)
NULL

仅供引用，我使用的是 R 版本 3.0.1 (2013-05-16)、平台 (x86_64-w64-mingw32) 和 data.table 版本 1.8 .11。

在我看来，无论何时更新键列 - data.table 代码都会完全删除键，因为数据的内容(以及数据的顺序)发生了变化。我原以为代码会存储 key 、更改 b 列的内容、重新排序 b 列并将 b 列恢复为 key 。简而言之，保持 key 不变。

这类似于您在 RDBMS 数据库 和 表 中预期的行为。即使数据内容发生变化， key 也不会丢失。

有什么想法吗？

Answer 1

我认为需要更改键值有点奇怪。在使用 fread 或使用 RODBC 从数据库加载的数据旁边添加和更新新列是很常见的，但很少有人想更改键列中的值，不是吗？ ？键列通常是数据集的基础，不会更改。

data.table 对此的处理方式默认是最快的。它按照您的要求更改键列中的值，然后删除键，因为它不确定键是否仍然有效。如果您真的希望它重建 key ，这可能会导致整个表的重新排序，那么只需再次显式调用 setkey 即可。这样，代码中额外的 setkey 会让代码的读者清楚地知道，对该键列的更新可能代价高昂。

data.table 中的一个键仅仅是排序顺序。它更类似于 SQL 中的聚集索引，其中磁盘上的行实际上按该顺序存储。