R语言data.table统计指定列值出现次数并更新对应列的报错排查与优化实现

1. 为什么会出现这个错误？ #

你碰到的这个错误，本质是用了base R的赋值逻辑去操作data.table，违背了它的设计规则。

data.table的核心特性是「按引用修改」，必须用它专属的:=操作符来修改列。而你写的t2[NP1 == 4]$4 <- t2[NP1 == 4]$4 + 1，是先通过t2[NP1 ==4]提取了一个子集，再用base R的$<-去改这个子集的列——但这个子集要么是原表的引用，要么是临时副本，data.table会检测到这种不符合它机制的重复赋值请求，所以抛出了"不能在同一查询里两次赋值同一列"的错误。简单说，这种写法根本不是data.table推荐的修改方式，它和普通data.frame的赋值逻辑完全不一样。

2. 更简便直观的实现方法 #

其实我们可以利用data.table的行级计算能力，结合rowSums一步完成所有列的更新，不用逐行逐条件去判断，代码简洁又高效：

# 定义要更新的列（1-6）和用于统计的NP列
target_cols <- as.character(1:6)
np_cols <- grep("^NP", names(t2), value = TRUE)

# 批量更新目标列：每列统计对应数值在NP列中的出现次数
t2[, (target_cols) := lapply(1:6, function(x) rowSums(.SD == x)), .SDcols = np_cols]

这段代码的逻辑很清晰：

• (target_cols) :=：括号让变量target_cols被解析成列名，告诉data.table我们要修改这几列
• lapply(1:6, function(x) rowSums(.SD == x))：对每个数值x（1到6），计算每行里NP列中等于x的元素总数（rowSums会逐行求和，也就是出现次数）
• .SDcols = np_cols：指定.SD（当前操作的数据集子集）只包含NP开头的列，避免计算其他无关列

运行后你会发现结果完全符合预期：比如第一行NP列是4,4,4,4,5,5，列4的值是4，列5的值是2；第二行NP全是4，列4的值就是6，完美匹配你想要的结果。

如果觉得lapply有点抽象，也可以用更直观的循环写法（虽然效率稍低，但逻辑一样）：

for (x in 1:6) {
  t2[, as.character(x) := rowSums(.SD == x), .SDcols = np_cols]
}

两种方法都能实现需求，推荐第一种lapply的写法，更符合data.table的高效编程风格。

内容的提问来源于stack exchange，提问作者Qiyao