为何用键子集化data.table时，未预排序键值会导致键丢失？

这是data.table的预期行为，且在官方文档中有相关说明。

核心原因 #

data.table的键（key）本质是标记表中某一列（或多列）的有序状态。当通过键值向量i进行子集化时：

• 如果i中的键值完全遵循原表键的排序规则（比如你的states1是按state字母顺序排列，和原表键的排序一致），data.table会直接提取对应行，结果行的顺序和原表键的有序性保持一致，因此会保留原键；
• 如果i中的键值是乱序的（比如你的states2），data.table需要将提取的行重新排列成i的顺序，此时结果行的顺序已经打破了原键的有序性，所以会自动将键重置为NULL。

对应你的示例分析 #

• states1 <- c('Iowa','Ohio','Utah')：键值按原表state列的字母顺序排列，子集后行顺序与原键有序性一致，因此key(dt.subset1)返回"state"；
• states2 <- c('Utah','Iowa','Ohio')：键值乱序，子集后行顺序为Utah→Iowa→Ohio，不符合原键的有序性，因此key(dt.subset2)返回NULL；
• sort(states2)：将键值重新恢复为有序状态，子集后行顺序回到原键的有序性，因此key(dt.subset2a)返回"state"。

文档依据 #

查看?data.table中关于i参数的说明：当i是键值向量时，若i已排序，data.table会触发快速子集优化，同时保留结果的键；若i未排序，结果会按i的顺序排列，且不会保留键。

内容的提问来源于stack exchange，提问作者Vasily A