data.table的:=与dplyr的mutate差异及高效分组连接实现问题

示例数据 #

example <- data.table(
person_id = c("A1", "A1", "A1", "A1", "A2", "A2", "A3", "A3", "B1", "B1", "C1", "C1", "C2", "C2"),
year = c(2015, 2016, 2015, 2016, 2015, 2016, 2015, 2016, 2015, 2016, 2015, 2016, 2015, 2016),
group_id = c("abc", "abc", "cdz", "cdz", "abc", "abc", "ghe", "ghe", "abc", "fjx", "ghe", "ghe", "cdz", "cdz")
)

需求说明 #

为每个person_id生成特定年份下，与其同组的其他人员列表。

现有实现问题 #

当前使用dplyr的代码可实现需求，但在数十亿行的大数据集下运行极慢：

res <- example %>%
  group_by(year, group_id) %>%
  mutate(connections = list(person_id)) %>%
  group_by(year, person_id) %>%
  summarise(connections = toString(setdiff(unlist(connections), person_id)))

尝试改用性能更优的data.table分组代码，却无法得到与上述dplyr代码一致的结果，现提出两个问题：

1. 两段代码结果不一致的原因是什么？
2. 如何修改data.table代码使其与dplyr代码结果一致？或是否有更高效的实现方式？

注：使用R版本3.4.3，无法安装tidyverse。

内容的提问来源于stack exchange，提问作者sla813