如何在循环中调用data.table不同列并获取唯一值？

示例数据 #

首先定义示例data.table：

df <- data.table(var_a = rep(1:10, 2),
                 var_b = 1:20)

输出结果：

var_a var_b
 1:     1     1
 2:     2     2
 3:     3     3
 4:     4     4
 5:     5     5
 6:     6     6
 7:     7     7
 8:     8     8
 9:     9     9
10:    10    10
11:     1    11
12:     2    12
13:     3    13
14:     4    14
15:     5    15
16:     6    16
17:     7    17
18:     8    18
19:     9    19
20:    10    20

循环外的正常操作 #

直接指定列名时，多种方式都能正确获取唯一值：

# 方式1：$符号提取列
unique(df$var_a)
# 输出：[1]  1  2  3  4  5  6  7  8  9 10

# 方式2：直接引用列名
unique(df[, var_a])
# 输出：[1]  1  2  3  4  5  6  7  8  9 10

# 方式3：字符串索引列（返回data.table格式）
unique(df[, "var_a"])
# 输出：
#    var_a
# 1:     1
# 2:     2
# 3:     3
# ...（省略后续行）

循环中的错误情况 #

遍历列名字符串时，常规写法会触发报错：

for(v in c("var_a","var_b")){
  print(v)
  df$v
  unique(df[, .v])
  unique(df[, "v"])
}

报错信息：

[1] "var_a"
Error in `[.data.table`(df, , .v) : 
  j (the 2nd argument inside [...]) is a single symbol but column name '.v' is not found. Perhaps you intended DT[, ...v]. This difference to data.frame is deliberate and explained in FAQ 1.1.

尝试..前缀也会报错：

unique(df[, ..var_a])

报错信息：

Error in `[.data.table`(df, , ..var_a) : 
  Variable 'var_a' is not found in calling scope. Looking in calling scope because you used the .. prefix.

可行的解决方法 #

以下几种方式可以在循环中正确获取指定列的唯一值：

方法1：使用[[提取列 #

通过[[按字符串索引列，返回向量格式的唯一值：

for(v in c("var_a","var_b")){
  print(v)
  print(unique(df[[v]]))
}

输出示例：

[1] "var_a"
 [1]  1  2  3  4  5  6  7  8  9 10
[1] "var_b"
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20

方法2：用get()函数匹配列名 #

在data.table的j参数中使用get()，根据字符串获取对应列：

for(v in c("var_a","var_b")){
  print(v)
  print(unique(df[, get(v)]))
}

输出与方法1完全一致。

方法3：..前缀结合字符向量 #

如果需要保留data.table格式的输出，可将列名放在向量中，用..前缀引用：

for(v in c("var_a","var_b")){
  print(v)
  print(unique(df[, ..v]))
}

输出示例（以var_a为例）：

[1] "var_a"
    var_a
 1:     1
 2:     2
 3:     3
 ...（省略后续行）

方法4：.SD与.SDcols配合 #

适合批量处理场景，同样支持循环调用：

for(v in c("var_a","var_b")){
  print(v)
  print(unique(df[, .SD, .SDcols = v]))
}

输出与方法3一致。

内容的提问来源于stack exchange，提问作者PaulaSpinola