为什么在更新密钥列时密钥会丢失？

Question

我刚注意到包中有一个小怪癖。请参阅下面的代码段以重现。

---

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

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

在我看来，无论何时更新密钥列，data.table代码都会完全关闭密钥，因为数据的内容（以及它的顺序）会发生变化。我原本期望代码存储密钥，更改列b的内容，重新排序列b并恢复列b作为密钥。简而言之，保持密钥不变。

这类似于RDBMS databases和tables中的预期行为。即使数据内容发生变化，密钥也不会丢失。

有什么想法吗？

Answer 1

我认为需要更改键值有点奇怪。通常希望在使用fread或使用RODBC从数据库加载的数据旁边添加和更新新列，但是很少想要更改键列中的值，不是吗？关键列通常是数据集的基础，不会更改。

data.table对此的处理方法默认情况下是最快的。它按照您的要求更改键列中的值，然后丢弃键，因为它不确定键是否仍然有效。如果确实希望它重建密钥，这可能会导致整个表重新排序，那么只需再次显式调用setkey。这样，代码中的额外setkey将使读者明白您的代码，对该关键列的更新可能会很昂贵。

data.table中的键只是排序顺序。它更类似于SQL中的聚簇索引，其中磁盘上的行实际上是按该顺序存储的。