data.table列选取语法差异及底层机制解析求助

先看你运行的代码：

library(data.table)
df = data.table(col1 = c(2,4,6), 
                col2 = c(4,6,8), 
                col3 = c(8,10,12), 
                col4 = c(20,16,14))
i = 2
df[,3]
df[,i+1]
df[,i]
df[,..i]
df[,..(i+1)]

各写法的具体解析 #

1. df[,3] 正确返回第三列

当你在j位置传入字面量整数时，data.table会直接把它识别为列的位置索引，所以返回第三列col3，输出如下：

col3
1:    8
2:   10
3:   12

2. df[,i+1] 返回数字3而非第三列

这是data.table和原生data.frame最核心的差异：data.table的j参数默认是表达式求值，而非列索引。
这里i+1是一个表达式，data.table会直接在当前环境中计算它的值（i=2，所以2+1=3），然后返回这个计算结果，而不是把3当作列索引去取第三列。
如果换成data.frame，df[,i+1]会先求值得到3，再把3当作列索引取第三列，但data.table的默认逻辑完全不同。

3. df[,i] 报错，df[,..i] 正确返回第二列

• 直接写df[,i]时，data.table会先在自身的列名里找有没有叫i的列，找不到就去外部环境取i的值（2），但它只会返回这个值，而不是把2当作列索引。因为这不符合data.table默认的表达式求值逻辑，所以报错提示你用..i。
• ..i是data.table的特殊符号引用语法，..的作用是告诉data.table：“去上层（外部）环境找变量i，把它的值当作列索引来用”。所以..i等价于用2作为列索引，返回第二列col2。

4. df[,..(i+1)] 报错：找不到..函数

..不是函数，不能用..(i+1)这种函数调用的写法。它只能直接跟变量名，不能跟表达式。如果要通过计算得到索引再选列，有两种解决方法：

• 先把计算结果存到变量里，再用..引用：

  k = i+1
  df[,..k]  # 返回第三列
  

• 用.SDcols参数指定列索引：

  df[, .SD, .SDcols = i+1]  # 返回第三列
  

• 或者用旧语法with=FALSE，强制j参数被当作列索引：

  df[,i+1, with=FALSE]  # 返回第三列
  

底层机制总结 #

data.table的[运算符对j参数的处理逻辑优先级是：

1. 如果j是单个字面量字符/整数/因子，直接作为列索引返回对应列；
2. 否则，默认把j当作表达式，在data.table的内部环境（列作为变量）中求值，返回计算结果；
3. ..x是特殊语法，强制从外部环境取x的值，当作列索引；
4. with=FALSE参数可以完全切换到data.frame的索引逻辑，把j参数直接当作列索引处理。

内容的提问来源于stack exchange，提问作者Yihang Zhu