在data.table中设置密钥的目的是什么？

Question

在data.table中设置密钥的目的是什么？

我正在使用data.table，并且有许多功能需要我设置密钥（例如X[Y]）。因此，我希望了解密钥在我的数据表中正确设置密钥的作用。

---

我读过的一个来源是?setkey。

setkey()对a data.table进行排序并将其标记为已排序。排序列是关键。密钥可以是任何顺序的任何列。列始终按升序排序。该表通过引用更改。除了临时工作内存大到一列之外，根本不会复制。

我的理念是，一个键可以“排序”data.table，从而产生非常相似的效果order()。但是，它没有解释拥有密钥的目的。

---

data.table FAQ 3.2和3.3解释了：

3.2我没有大桌子上的钥匙，但分组仍然非常快。这是为什么？

data.table使用基数排序。这明显快于其他排序算法。Radix仅用于整数，请参阅 ?base::sort.list(x,method="radix")。这也是setkey()快速的原因之一 。如果没有设置密钥，或者我们按照与密钥不同的顺序进行分组，我们称之为ad hoc。

3.3为什么密钥中的列按比ad hoc更快的分组？

因为每个组在RAM中是连续的，从而最小化页面提取，并且可以批量复制内存（memcpy在C中）而不是在C中循环。

从这里开始，我想设置一个键以某种方式允许R使用“基数排序”而不是其他算法，这就是为什么它更快。

---

10分钟快速入门指南还有一个按键指南。

1. 按键

让我们从考虑data.frame，特别是rownames（或英文，行名）开始。也就是说，属于单行的多个名称。属于单行的多个名称？这不是我们在data.frame中习惯的。我们知道每行最多只有一个名称。一个人至少有两个名字，第一个名字和第二个名字。这对于组织电话目录很有用，例如，按姓氏排序，然后是第一个名称。但是，data.frame中的每一行只能有一个名称。

密钥由一列或多列rownames组成，可以是整数，因子，字符或其他类，而不仅仅是字符。此外，行按键排序。因此，data.table最多只能有一个键，因为它不能以多种方式排序。

不强制执行唯一性，即允许重复键值。由于行按键排序，因此键中的任何重复项都将连续出现

电话簿有助于理解密钥是什么，但与具有因子列相比，似乎密钥没有区别。此外，它没有解释为什么需要密钥（特别是使用某些功能）以及如何选择要设置为密钥的列。此外，似乎在data.table中将time作为列，将任何其他列设置为键也可能会使时间列混乱，这使得它更加混乱，因为我不知道是否允许将任何其他列设置为键。有人可以开导我吗？