使用cepumd包ce_mean函数遇错：data.table字符子集仅返回列名

处理CES PUMD数据时，使用美国人口普查局cepumd包的ce_mean()函数触发错误。查看源码发现错误来自以下校验逻辑：

if (length(setdiff(sapply(ce_data[, (check_cols)], class), "numeric")) > 0) {
    stop(
      stringr::str_c(
        "'finlwt21', all replicate weight variables, i.e., 'wtrep01' to",
        "'wtrep44', and the 'cost' variable must be numeric.",
        sep = " "
      )
    )
  }

其中ce_data是data.table格式的PUMD itbi表，check_cols定义为：

wtrep_vars <- stringr::str_c("wtrep", stringr::str_pad(1:44, 2, "left", "0"))
check_cols <- as.vector(c("finlwt21", wtrep_vars, "cost"))

问题出在ce_data[, (check_cols)]仅返回列名而非列数据，导致sapply()返回character类型，无法正确校验列类型。需要修改data.table的子集方式，让其返回指定列的实际数据以完成46列的类型校验。

针对data.table的子集语法，有三种可靠的修改方式：

• 使用with = FALSE参数
  data.table默认with = TRUE，会将字符向量解析为表达式，设置with = FALSE即可直接按列名取数据：

sapply(ce_data[, check_cols, with = FALSE], class)

• 使用..前缀
  ..前缀在data.table中表示“向上查找变量”，可以直接引用外部定义的字符向量列名：

sapply(ce_data[, ..check_cols], class)

• 使用.SD和.SDcols
.SD代表Subset of Data，配合.SDcols指定要选取的列：

sapply(ce_data[, .SD, .SDcols = check_cols], class)

将源码中的ce_data[, (check_cols)]替换为上述任意一种写法，即可让sapply()正确获取每列的类型，完成数值型校验。

内容的提问来源于stack exchange，提问作者DPek