鍵列更新時爲什麼鍵被丟棄？

Question

我只注意到包裝中的一個小怪癖。查看下面的代碼片段以重現。

---

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 

FYI是在R version 3.0.1 (2013-05-16)，Platform (x86_64-w64-mingw32)和data.table version 1.8.11。

在我看來，無論何時更新密鑰列 - data.table代碼都會將密鑰完全丟棄，因爲數據內容（以及其順序）會發生變化。我希望代碼存儲密鑰，更改列b的內容，重新排列列b，並將列b恢復爲密鑰。總之，保持密鑰不變。

這與您在RDBMS databases和tables中預期的行爲類似。即使數據內容發生變化，密鑰也不會丟失。

有什麼想法？

Answer 1

我覺得這有點奇怪，需要改變一個關鍵值。通常希望在使用fread加載的數據旁邊添加和更新新列，或者使用RODBC從數據庫加載新列，但很少想要更改鍵列中的值，不是嗎？關鍵列通常是數據集的基礎，不會改變。

data.table對此的處理方式默認情況下是最快的。它會按照您要求的方式更改鍵列中的值，然後會丟棄鍵值，因爲它不確定鍵值是否仍然有效。如果你真的想要重建密鑰，這可能會導致整個表的重新排序，那麼只需再次明確地呼叫setkey。這樣，代碼中額外的setkey將使您的代碼的讀者清楚，對該列的更新可能會很昂貴。

data.table中的密鑰僅僅是排序順序。這更類似於SQL中的聚簇索引，其中磁盤上的行實際上是按該順序存儲的。