我怎样才能在 dplyr 中进行变异而不丢失顺序？

Question

使用data.table 我可以执行以下操作：

library(data.table)
dt = data.table(a = 1:2, b = c(1,2,NA,NA))
#   a  b
#1: 1  1
#2: 2  2
#3: 1 NA
#4: 2 NA

dt[, b := b[1], by = a]
#   a b
#1: 1 1
#2: 2 2
#3: 1 1
#4: 2 2

在dplyr 中尝试相同的操作，但是数据被a 打乱/排序：

library(dplyr)
dt = data.table(a = 1:2, b = c(1,2,NA,NA))
dt %.% group_by(a) %.% mutate(b = b[1])
#  a b
#1 1 1
#2 1 1
#3 2 2
#4 2 2

（除此之外，上面还对原始dt 进行了排序，考虑到dplyr 不就地修改的理念，这让我有些困惑——我猜这是dplyr 如何与data.table)

dplyr 的实现方式是什么？

Answer 1

在当前的 dplyr 开发版本中（最终将 成为 dplyr 0.2) 数据帧和数据之间的行为不同 表：

library(dplyr)
library(data.table)

df <- data.frame(a = 1:2, b = c(1,2,NA,NA))
dt <- data.table(df)

df %.% group_by(a) %.% mutate(b = b[1])

## Source: local data frame [4 x 2]
## Groups: a
## 
##   a b
## 1 1 1
## 2 2 2
## 3 1 1
## 4 2 2

dt %.% group_by(a) %.% mutate(b = b[1])

## Source: local data table [4 x 2]
## Groups: a
## 
##   a b
## 1 1 1
## 2 1 1
## 3 2 2
## 4 2 2

发生这种情况是因为 group_by() 应用于 data.table 假设索引将自动执行setkey() 未来的运营速度更快。

如果有强烈的感觉这是一个糟糕的默认设置，我很乐意更改它。