在data.table中为何用字符向量元素选列需使用get()？

背景 #

我把需要关注的变量名存储在字符向量中，还会将这些向量存入嵌套列表（例如variables$predictors$model1），以此减少混乱并更好地组织变量。但这种依赖子列表和索引的工作流，迁移到data.table中时遇到了困难。

问题 #

有一个简单任务：从data.table中筛选出列名在字符向量中的列。尝试了几种常用方法都未得到预期结果，只有结合get()（配合列表）能实现需求，但该方法偶尔会出现意外行为。

这真的是data.table中执行该简单操作的最高效方式吗？

为何方法1到4仅返回字符串？

测试代码如下：

library(data.table)

# 创建包含三个变量的data.table
dt                       <- data.table(a = c(1:3, NA), b = 1:4, c = c(NA, 1:3))

# 定义关注的列名
column_names_of_interest <- c("b", "c")

# 筛选其中一个列名对应的列
# 尝试的方法

# 1
dt[, column_names_of_interest[1]]
#[1] "b"

# 2
dt[, column_names_of_interest[[1]]]
# [1] "b"

# 3
dt[, ..column_names_of_interest[1]]
# [1] "b"

# 4
dt[, ..column_names_of_interest[[1]]]
# [1] "b"

# 5
dt[, get(column_names_of_interest[1])]
# [1] 1 2 3 4

# 6
dt[, .(get(column_names_of_interest[1]))]
#     V1
# 1:  1
# 2:  2
# 3:  3
# 4:  4

为什么方法1-4只返回字符串？ #

在data.table的语法逻辑中，[, ]内的第二个参数（即j参数）默认会优先计算表达式本身的结果，而非将其当作列名去匹配数据表中的列：

• 方法1和2：column_names_of_interest[1]与column_names_of_interest[[1]]都是直接从字符向量中提取元素，得到字符串"b"，因此data.table直接返回这个字符串，不会去匹配对应列。
• 方法3和4：..前缀的作用是将全局环境中的变量当作列名向量来筛选多列，但..column_names_of_interest[1]本质是先取出向量的单个元素"b"，此时..的作用失效，最终还是返回字符串本身。

更高效的替代方法 #

单个列筛选

除了get()，还有两种更直观且不易出错的方式：

1. 使用.SD配合.SDcols：

dt[, .SD, .SDcols = column_names_of_interest[1]]
#    b
#1: 1
#2: 2
#3: 3
#4: 4

.SDcols用于指定纳入.SD（数据子集）的列名，直接返回对应列的data.table结构。

2. 使用with = FALSE参数：

dt[, column_names_of_interest[1], with = FALSE]
#    b
#1: 1
#2: 2
#3: 3
#4: 4

with = FALSE会告知data.table，不要将j参数中的表达式当作计算式，而是直接当作列名匹配，行为与data.frame一致。

多列筛选

若要筛选多个列，直接用..前缀配合完整的列名向量即可，简洁高效：

dt[, ..column_names_of_interest]
#    b  c
#1: 1 NA
#2: 2  1
#3: 3  2
#4: 4  3

此时..会将全局环境中的column_names_of_interest向量当作列名集合，直接筛选出对应列。

总结 #

• 单个列筛选：优先选择dt[, col_name, with = FALSE]或.SD配合.SDcols，比get()更直观稳定。
• 多列筛选：直接使用..前缀加列名向量，是最简洁的实现方式。

内容的提问来源于stack exchange，提问作者Kuku