在 R 的 data.table 中，如何将 data.table 的键保存到使用 .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 = 函数来获取汇总统计信息。但是，必须根据每个 by 子集中的唯一结果计算聚合。我一直在使用unique 和密钥来确保每个by 组都包含不同的记录。有点像下面这样：

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

我注意到.SD 上的密钥似乎因dt_old 和by = 语句的密钥集而异。显然，这会影响我得到的子集是否唯一。

我想弄清楚，所以我写了下面。

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 的密钥是一致的，而在第二个版本中，.SD 根本没有密钥。我认为这与by = 列未直接包含在.SD 中这一事实有关，这打破了关键，但我想确认我的逻辑。

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

Answer 1

在这种情况下，由于它按site, group, team 排序，而按site 分组，则可以为group, team 保留密钥，因为顺序会保持不变。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出问题？

作为一种解决方法，您可以在 data.tables 的 unique 方法中使用 by 参数来指定列。

正如大卫指出的那样，在每个组上都使用unique(.SD) 似乎没有必要，但这可能是另一个问题。