dplyr，data.table和setDT互動問題

Question

這是一個問題在一個更大的規模非常簡化的版本。 的目的是使用data.table結構和更快的排序和多個列分組dplyr命令。

正確的版本如下：

library(dplyr) 
library(data.table) 
library(dtplyr) 
library(lubridate) 

# data set 
dt = data.frame(id = c("a","b", "a"), 
       date = ymd(c("2016-01-03","2016-01-02","2016-01-01")), 
       value = c(10,5,9), stringsAsFactors = F) 

# process to get the id of the largest value 
(setDT(dt, key=c("id","value")) %>% select(id,value) %>% arrange(desc(value)) %>% slice(1))$id -> picked_id 

# return all rows of this id 
dt %>% filter(id %in% picked_id) 

# id   date value 
# 1: a 2016-01-01  9 
# 2: a 2016-01-03 10 

但是，當我嘗試在我的劇本不同的位置使用setDT我得到不同的結果：

dt = data.frame(id = c("a","b", "a"), 
       date = ymd(c("2016-01-03","2016-01-02","2016-01-01")), 
       value = c(10,5,9), stringsAsFactors = F) 

(dt %>% select(id,value) %>% setDT(., key=c("id","value")) %>% arrange(desc(value)) %>% slice(1))$id -> picked_id 

dt %>% filter(id %in% picked_id) 

# id  date value 
# 1 a 2016-01-03  9 
# 2 a 2016-01-02 10 

顯然，還有其他這個簡單的任務更容易理解的腳本，但我想明白爲什麼會出現這個問題。

Answer 1

你不能安全地混合（我）data.table的功能，通過參考到步驟（ii）一dplyr鏈，其目的是從未被引用修改修改。看到這裏發生了什麼：

library(dplyr) 
library(data.table) 
library(dtplyr) 
library(lubridate) 

dt = data.frame(id = c("a","b", "a"), 
       date = ymd(c("2016-01-03","2016-01-02","2016-01-01")), 
       value = c(10,5,9), stringsAsFactors = FALSE) 

dt 


    id  date value 
1 a 2016-01-03 10 
2 b 2016-01-02  5 
3 a 2016-01-01  9 


dt %>% select(id,value) %>% setDT(., key=c("id","value")) 

dt 


    id  date value 
1 a 2016-01-03  9 
2 a 2016-01-02 10 
3 b 2016-01-01  5 

所以select編列已被setDT通話修改。您可以將其視爲dtplyr的實現select中的錯誤或OP的濫用。無論如何，我會一次堅持一個範式（個人而言，我只是用magrittr使用data.table，從來沒有遇到這些問題）。現在，您可以將copy添加到您的鏈條，

dt %>% select(id,value) %>% copy %>% setDT(., key=c("id","value")) 

但我猜你需要做這一切的地方。