dplyr，data.table和setDT互动问题

Question

这是一个问题在一个更大的规模非常简化的版本。 的目的是使用data.table结构和更快的排序和多个列分组dplyr命令。

正确的版本如下：

library(dplyr) 
library(data.table) 
library(dtplyr) 
library(lubridate) 

# data set 
dt = data.frame(id = c("a","b", "a"), 
       date = ymd(c("2016-01-03","2016-01-02","2016-01-01")), 
       value = c(10,5,9), stringsAsFactors = F) 

# process to get the id of the largest value 
(setDT(dt, key=c("id","value")) %>% select(id,value) %>% arrange(desc(value)) %>% slice(1))$id -> picked_id 

# return all rows of this id 
dt %>% filter(id %in% picked_id) 

# id   date value 
# 1: a 2016-01-01  9 
# 2: a 2016-01-03 10 

但是，当我尝试在我的剧本不同的位置使用setDT我得到不同的结果：

dt = data.frame(id = c("a","b", "a"), 
       date = ymd(c("2016-01-03","2016-01-02","2016-01-01")), 
       value = c(10,5,9), stringsAsFactors = F) 

(dt %>% select(id,value) %>% setDT(., key=c("id","value")) %>% arrange(desc(value)) %>% slice(1))$id -> picked_id 

dt %>% filter(id %in% picked_id) 

# id  date value 
# 1 a 2016-01-03  9 
# 2 a 2016-01-02 10 

显然，还有其他这个简单的任务更容易理解的脚本，但我想明白为什么会出现这个问题。

Answer 1

你不能安全地混合（我）data.table的功能，通过参考到步骤（ii）一dplyr链，其目的是从未被引用修改修改。看到这里发生了什么：

library(dplyr) 
library(data.table) 
library(dtplyr) 
library(lubridate) 

dt = data.frame(id = c("a","b", "a"), 
       date = ymd(c("2016-01-03","2016-01-02","2016-01-01")), 
       value = c(10,5,9), stringsAsFactors = FALSE) 

dt 


    id  date value 
1 a 2016-01-03 10 
2 b 2016-01-02  5 
3 a 2016-01-01  9 


dt %>% select(id,value) %>% setDT(., key=c("id","value")) 

dt 


    id  date value 
1 a 2016-01-03  9 
2 a 2016-01-02 10 
3 b 2016-01-01  5 

所以select编列已被setDT通话修改。您可以将其视为dtplyr的实现select中的错误或OP的滥用。无论如何，我会一次坚持一个范式（个人而言，我只是用magrittr使用data.table，从来没有遇到这些问题）。现在，您可以将copy添加到您的链条，

dt %>% select(id,value) %>% copy %>% setDT(., key=c("id","value")) 

但我猜你需要做这一切的地方。