R语言中tapply处理分组数据时是否保留原数据框行顺序？

我创建了如下测试数据框：

test <- data.frame(cat=rep(c("A", "B"), each=3), rank=c(1:3, 1:3), data1=5:10, data2=(1:6)^2)

使用tapply按cat列分组，应用一个和Kolmogorov-Smirnov检验相关的自定义函数：

result <- tapply(test, test$cat, function(x) max(abs(cumsum(x$data1) - cumsum(x$data2))))

由于函数中包含cumsum，数据框的行顺序对计算结果至关重要。原数据框已按rank列严格升序排列，想确认：tapply生成的cat="A"、cat="B"分组子数据框，是否与原数据框中对应分组的行顺序一致？示例中顺序一致，但需确认该特性是否普遍成立，以及tapply生成子数据框的机制是否能保证行顺序保留。

解答 #

• 结论：tapply会严格保留原数据框中各组行的原始顺序，这个特性是普遍成立的。
• 机制说明：tapply的核心逻辑是根据分组因子的水平，提取原数据中匹配该水平的行/元素。提取过程完全遵循这些行在原数据框中的出现顺序，不会对组内的行进行排序或重排。
• 验证示例：可以添加标记行顺序的列来直观验证：

test$row_order <- 1:nrow(test)
# 查看分组后的行顺序标记
tapply(test, test$cat, function(x) x$row_order)

输出结果会显示A组的row_order为1、2、3，B组为4、5、6，完全匹配原数据的行顺序。

• 额外说明：分组的输出顺序（即A在前还是B在前）由分组因子的水平顺序决定（默认创建的因子是无序的，水平顺序为首次出现的顺序），但每组内部的行顺序始终和原数据一致，不会受因子水平顺序影响。

内容的提问来源于stack exchange，提问作者quarague