为什么对于 R data.tables dt1 和 dt2， dplyr：：bind_rows(dt1, dt2)[con2] 不会产生预期结果，但 rbindlist(dt1, dt2)[con2] 会产生预期结果

你现在看到的是"auto-indexing".对于data.table，只能有一个物理指数(即setkey)，但也可以有二级指数.作为一项功能(为了更快地下注)，每当使用严格==或%in%完成子集时，都会创建二级索引并与对象一起存储.

对于data.table个对象，当组合表时，索引被删除，正如人们可能预期的那样:

indices(mydt1)
# [1] "year"        "year__month"
indices(mydt2)
# NULL
rbindlist(list(mydt1, mydt2)) |>
  indices()
# NULL
rbindlist(list(mydt2, mydt1)) |>
  indices()
# NULL

但对于dplyr_1.1.2个(至少，不确定是否/何时发生了变化)，它保留了第一个表的属性.

bind_rows(mydt1, mydt2) |>
  indices()
# [1] "year"        "year__month"
bind_rows(mydt2, mydt1) |>
  indices()
# NULL

后一项发现表明，我们可以通过颠倒表格来获得预期的结果:

bind_rows(mydt1, mydt2)[year == 2017]
#     year month
#    <int> <int>
# 1:  2017     1
# 2:  2017     2
# 3:  2017     3
bind_rows(mydt2, mydt1)[year == 2017]
#     year month
#    <int> <int>
# 1:  2017     4
# 2:  2017     5
# 3:  2017     6
# 4:  2017     1
# 5:  2017     2
# 6:  2017     3

从文档(上面的相同链接)中，我们可以设置"datatable.use.index"选项以防止此行为.在新的R会议上(因为我不想 destruct 事情):

options(datatable.use.index = FALSE)
mydt1 = data.table(year=rep(2017:2018, each=3), month=rep(1:3, times=2))
mydt2 = data.table(year=rep(2016:2017, each=3), month=rep(4:6, times=2))
mydt1[year == 2018]
#     year month
#    <int> <int>
# 1:  2018     1
# 2:  2018     2
# 3:  2018     3
indices(mydt1)
# NULL
bind_rows(mydt1, mydt2)[year == 2017]
#     year month
#    <int> <int>
# 1:  2017     1
# 2:  2017     2
# 3:  2017     3
# 4:  2017     4
# 5:  2017     5
# 6:  2017     6

因此，我猜测这不是dplyr或data.table中的"错误"，但如果dplyr"知道"这个二级索引，并且在将它们行绑定在一起时 Select 不传递这个索引，那就太好了.