Data.table: फ़ंक्शन सेटकी का उपयोग करने में त्रुटि

मैं इसे विंडोज 10 और मैकओएस 10.13.6 दोनों पर डेटा.टेबल 1.12.0 के साथ पुन: पेश कर सकता हूं। अपने macOS सिस्टम को डेटा.टेबल 1.12.2 में अपग्रेड करने के बाद मैं पुष्टि कर सकता हूं कि नीचे दिए गए सभी उदाहरण समान परिणाम देते हैं।

कुछ हद तक सरल उदाहरण:

> set.seed(1)
> d <- data.frame(x = paste0("chr",sample(17)[3:6]), y = 1:4)
> d$x2 <- d$x
> d
      x y    x2
1  chr9 1  chr9
2 chr13 2 chr13
3  chr3 3  chr3
4 chr11 4 chr11
> setDT(d)
> setkey(d,x2,y)
> d
       x y    x2
1:  chr9 4  chr9
2: chr13 2 chr13
3:  chr3 3  chr3
4: chr11 1 chr11

यह तब भी होता है जब आप कुंजी को सीधे setDT साथ असाइन करते हैं (जिसकी उम्मीद की जा सकती है क्योंकि setDT कुंजी सेट करने के लिए setkeyv का उपयोग करता है):

> set.seed(1)
> d <- data.frame(x = paste0("chr",sample(17)[3:6]), y = 1:4)
> d$x2 <- d$x
> d
      x y    x2
1  chr9 1  chr9
2 chr13 2 chr13
3  chr3 3  chr3
4 chr11 4 chr11
> setDT(d, key = c("x2","y"))
> d
       x y    x2
1:  chr9 4  chr9
2: chr13 2 chr13
3:  chr3 3  chr3
4: chr11 1 chr11

जैसा कि आप देख सकते हैं कि y का क्रम बदल गया है, जबकि अन्य स्तंभों का क्रम नहीं है। जाहिरा तौर पर यह तभी हो रहा है जब आप एक कॉलम को data.frame तरीके से कॉपी करते हैं, फिर setDT का उपयोग करें और फिर setkey । निम्नलिखित पांच मामलों पर विचार करें जो सभी इच्छित परिणाम देते हैं:

1) डेटाफ़्रेम कॉलम की प्रतिलिपि नहीं बनाना

> set.seed(1)
> d <- data.frame(x = paste0("chr",sample(17)[3:6]), y = 1:4)
> d
      x y
1  chr9 1
2 chr13 2
3  chr3 3
4 chr11 4
> setDT(d)
> setkey(d,x)
> d
       x y
1: chr11 4
2: chr13 2
3:  chr3 3
4:  chr9 1

2) डेटाफ़्रेम में एक मनमाना नया कॉलम बनाना

> set.seed(1)
> d <- data.frame(x = paste0("chr",sample(17)[3:6]), y = 1:4)
> set.seed(1)
> d$x2 <- paste0("chr",sample(17)[1:4])
> d
      x y    x2
1  chr9 1  chr5
2 chr13 2  chr6
3  chr3 3  chr9
4 chr11 4 chr13
> setDT(d)
> setkey(d,x2,y)
> d
       x y    x2
1: chr11 4 chr13
2:  chr9 1  chr5
3: chr13 2  chr6
4:  chr3 3  chr9

3) मौजूदा कॉलम का नमूना लेकर और उसमें कुछ अतिरिक्त चरचर्स चिपकाकर एक नया कॉलम बनाना

> set.seed(1)
> d <- data.frame(x = paste0("chr",sample(17)[3:6]), y = 1:4)
> set.seed(1)
> d$x2 <- paste0("new_",sample(d$x,4))
> d
      x y        x2
1  chr9 1 new_chr13
2 chr13 2 new_chr11
3  chr3 3  new_chr3
4 chr11 4  new_chr9
> setDT(d)
> setkey(d,x2,y)
> d
       x y        x2
1: chr13 2 new_chr11
2:  chr9 1 new_chr13
3:  chr3 3  new_chr3
4: chr11 4  new_chr9

4) सिर्फ मौजूदा कॉलम का नमूना लेकर एक नया कॉलम बनाना

> set.seed(1)
> d <- data.frame(x = paste0("chr",sample(17)[3:6]), y = 1:4)
> set.seed(1)
> d$x2 <- sample(d$x,4)
> d
      x y    x2
1  chr9 1 chr13
2 chr13 2 chr11
3  chr3 3  chr3
4 chr11 4  chr9
> setDT(d)
> setkey(d,x2,y)
> d
       x y    x2
1: chr13 2 chr11
2:  chr9 1 chr13
3:  chr3 3  chr3
4: chr11 4  chr9

5) एक कॉलम को डेटा की प्रतिलिपि बनाना। तालिका तरीका

> set.seed(1)
> d <- data.frame(x = paste0("chr",sample(17)[3:6]), y = 1:4)
> d
      x y
1  chr9 1
2 chr13 2
3  chr3 3
4 chr11 4
> setDT(d)
> d[, x2 := x][]
       x y    x2
1:  chr9 1  chr9
2: chr13 2 chr13
3:  chr3 3  chr3
4: chr11 4 chr11
> setkey(d,x2,y)
> d
       x y    x2
1: chr11 4 chr11
2: chr13 2 chr13
3:  chr3 3  chr3
4:  chr9 1  chr9

यद्यपि यह बग एक (बहुत) विशिष्ट उपयोगकेस में होता है, यह मेरे लिए महत्वपूर्ण हो सकता है क्योंकि मैं कई उत्पादन प्रणालियों में setkey का उपयोग करता हूं। जाँच करेगा कि क्या यह विशिष्ट मामला मेरे उत्पादन कोड में होता है।

@jaapwalhout की टिप्पणियों की पुष्टि (data.table_1.12.3 के साथ)।
साथ ही, (i) सोचा कि यह कारकों से संबंधित हो सकता है लेकिन ऐसा नहीं है (वर्ण या पूर्णांक के साथ भी होता है), (ii) कुंजी (x या y) जो कुछ भी होता है।
नीचे, एक सरल प्रतिलिपि प्रस्तुत करने योग्य उदाहरण।
असाइनमेंट में चेतावनी संबंधित हो सकती है लेकिन मैं इसे समझ नहीं पा रहा हूं।

options(datatable.verbose = TRUE)

## KO
d <- data.frame(x = c(9, 1), y = c(9, 1))
d$x2 <- d$x
d
#   x y x2
# 1 9 9  9
# 2 1 1  1
setDT(d, key  = "x")[]
# forder took 0 sec
# reorder took 0 sec
#    x y x2
# 1: 9 1  9
# 2: 1 9  1

## KO
d <- data.frame(x = c("9", "1"), y = c(9, 1), stringsAsFactors = FALSE)
d$x2 <- d$x
d
#   x y x2
# 1 9 9  9
# 2 1 1  1
setDT(d, key  = "x")[]
# forder took 0 sec
# reorder took 0 sec
#    x y x2
# 1: 9 1  9
# 2: 1 9  1

## OK (with warning)
d <- data.frame(x = c("9", "1"), y = c(9, 1))
setDT(d)
d$x2 <- d$x
# Assigning to all 2 rows
# RHS for item 1 has been duplicated because NAMED is 2, but then is being plonked. length(values)==2; length(cols)==1)
setkey(d, y, verbose = TRUE)[]
# forder took 0 sec
# reorder took 0 sec
#    x y x2
# 1: 1 1  1
# 2: 9 9  9

iiuc, बिना किसी संशोधन के कॉलम या सूची तत्व को डुप्लिकेट करते समय, स्मृति पता वही होगा और कुंजी सेट करने से "चीजें गड़बड़ हो जाएंगी"।
copy() का उपयोग करते समय ठीक काम करता है।

# KO
l <- list(x = c(9, 1), y = c(9, 1))
l[["z"]] <- l[["x"]]
l
setDT(l, key  = "x")[]

address(l$x) == address(l$z)
# TRUE

# OK
l <- list(x = c(9, 1), y = c(9, 1))
l[["z"]] <- copy(l[["x"]])
l
setDT(l, key  = "x")[]