r - 在 R 的 data.table 中，data.table 的键如何保存到使用 .SD 引用的子集中？

Question

我正在使用 data.table包来完成一些分析。我正在采取的步骤之一是使用 by =函数来获取聚合统计信息。但是，必须根据每个 by 中的唯一结果计算聚合。子集。我一直在用unique和 key 确保每个by组由不同的记录组成。像下面这样模糊的东西:

dt_new <- dt_old[,uFunc_MyFunction(x = unique(.SD)),by = grouping_var]

我注意到 .SD 上的 key 似乎因 dt_old 的 key 集而异和 by =陈述。显然，这会影响我生成的子集是否唯一。

我想弄清楚一些，所以我写了下面的内容。

library(data.table)
set.seed(1554)
dt_example <- data.table(id = 1:50,
                         site = sample(x = c("A","B","C"),
                                       size = 50,
                                       replace = TRUE,
                                       prob = c(0.4,0.4,0.2)),
                         group = sample(x = c("Eta","Mu","Omicron","Psi"),
                                        size = 50,
                                        replace = TRUE),
                         team = sample(x = 1:3,
                                       size = 50,
                                       replace = TRUE,
                                       prob = c(0.2,0.3,0.5)))

setkey(x = dt_example,
       group,
       team)

> dt_example[,as.list(key(.SD)),by = site]
   site    V1   V2
1:    B group team
2:    A group team
3:    C group team

setkey(x = dt_example,
       site,
       group,
       team)

> dt_example[,as.list(key(.SD)),by = site]
Empty data.table (0 rows) of 1 col: site

我想了解的是为什么在第一个版本中 .SD 的 key 是一致的，而在第二个版本中， .SD根本没有 key 。我认为这与 by = 的事实有关。列不直接包含在 .SD 中，这是打破关键，但我想确认我的逻辑。

所以，我的问题是:为什么数据表的子集 .SD , 当包含父数据表的键的列之一用作 by 时没有键分组变量？

Answer 1

在这种情况下，因为它是按 site, group, team 排序的, 同时按 site 分组， key 可以保留给 group, team因为订单将被维持。最简单的答案是我们似乎错过了这个案例。您能否仅通过此帖子的链接提交问题？

作为解决方法，您可以使用 by参数在 unique data.tables 的方法来指定列。

正如大卫所指出的，使用 unique(.SD)每个组似乎都没有必要，但这可能是另一个 Q。