如何在R的data.table中对变量应用匿名函数？

可复现代码 #

library(data.table)
# 创建示例data.table
dt1 <- data.table(age_at_fy_start = c(25, -1, 30, 99), age_at_fy_end = c(26, 31, -1, 99))
dt2 <- data.table(age_at_fy_start = c(40, 99, -1, 50), age_at_fy_end = c(41, 51, 99, -1))
# 多个表存入列表
dt_list <- list(dt1, dt2)

正确实现方法 #

单个表处理 #

使用.SDcols锁定目标列，结合fifelse（data.table高效条件函数）完成替换：

# 处理单个data.table
dt1[, (c("age_at_fy_start", "age_at_fy_end")) := lapply(.SD, function(x) fifelse(x %in% c(-1, 99), NA_real_, x)), .SDcols = c("age_at_fy_start", "age_at_fy_end")]

也可以用base R的replace函数，效果一致：

dt1[, (c("age_at_fy_start", "age_at_fy_end")) := lapply(.SD, function(x) replace(x, x %in% c(-1, 99), NA)), .SDcols = c("age_at_fy_start", "age_at_fy_end")]

批量处理多个表 #

将多个data.table存入列表后，用lapply批量迭代处理：

# 批量更新列表中所有表
dt_list_updated <- lapply(dt_list, function(dt) {
  dt[, (c("age_at_fy_start", "age_at_fy_end")) := lapply(.SD, function(x) fifelse(x %in% c(-1, 99), NA_real_, x)), .SDcols = c("age_at_fy_start", "age_at_fy_end")]
})

错误原因解析 #

• “:=的左操作数不是列名或位置”：通常是因为你错误地将.SDcols写在:=左侧，或者左侧不是有效的列名/位置向量。正确写法是左侧放列名向量，.SDcols作为独立参数指定目标列。
• “提供2列却要分配4个项”：说明:=右侧返回的元素数量与左侧列数不匹配。比如错误合并两个列的向量后处理，导致返回的是两倍于行数的元素，而非对应每列的处理结果。

内容的提问来源于stack exchange，提问作者sesnelson