data.table表连接时键的顺序为何会影响结果？

我搞不懂为什么对data.table做连接时，键的顺序会导致结果不一样，下面是具体场景：

场景1：键顺序一致时的预期结果 #

library(data.table)

tmp_dt_1 <- 
    data.table(a = c(1, 2), b = c(2, 1), c = 1:2)

tmp_dt_2 <- 
    data.table(a = c(1, 2), b = c(2, 1), d = 1:2)

# 设置相同顺序的键
setkeyv(tmp_dt_1, c("a", "b"))
setkeyv(tmp_dt_2, c("a", "b"))

# 查看表结构
tmp_dt_1
# Key: <a, b>
#     a     b     c
#     <num> <num> <int>
# 1:     1     2     1
# 2:     2     1     2

tmp_dt_2
# Key: <a, b>
#     a     b     d
#     <num> <num> <int>
# 1:     1     2     1
# 2:     2     1     2

# 连接结果符合预期
tmp_dt_1[tmp_dt_2]
# Key: <a, b>
#     a     b     c     d
#     <num> <num> <int> <int>
# 1:     1     2     1     1
# 2:     2     1     2     2

场景2：键顺序不一致时的意外结果 #

# 修改tmp_dt_2的键顺序为b在前、a在后
setkeyv(tmp_dt_2, c("b", "a"))

# 表结构变化（tmp_dt_2按b、a排序）
tmp_dt_1
# Key: <a, b>
#     a     b     c
#   <num> <num> <int>
# 1:     1     2     1
# 2:     2     1     2

tmp_dt_2
# Key: <b, a>
#     a     b     d
#   <num> <num> <int>
# 1:     2     1     2
# 2:     1     2     1

# 连接结果不符合预期
tmp_dt_1[tmp_dt_2]
# Key: <a, b>
#     a     b     c     d
#     <num> <num> <int> <int>
# 1:     1     2     1     2
# 2:     2     1     2     1

核心原因 #

data.table的键（key）有两个作用：排序依据和连接时的匹配列顺序定义。

当使用x[y]这种默认连接语法时，data.table会按键的顺序进行等值匹配：用左表x的键列依次对应右表y的键列，而不是根据列名匹配。

• 场景1中，两张表的键都是(a, b)，匹配逻辑是tmp_dt_1$a == tmp_dt_2$a且tmp_dt_1$b == tmp_dt_2$b，所以得到正确的一对一匹配。
• 场景2中，tmp_dt_1的键是(a, b)，tmp_dt_2的键是(b, a)，此时匹配逻辑变成tmp_dt_1$a == tmp_dt_2$b且tmp_dt_1$b == tmp_dt_2$a，相当于把两张表的a、b列交叉匹配，最终导致结果错位。

解决方案 #

如果不想受键顺序影响，连接时显式指定匹配列即可，用on参数明确列名对应关系：

# 不管键顺序如何，按a、b列名匹配
tmp_dt_1[tmp_dt_2, on = .(a, b)]

内容的提问来源于stack exchange，提问作者Alex