基于Score列字符串匹配批量替换data.table多列值的方案问询

针对你需要批量处理近千列的场景，直接用data.table的原生批量操作即可，高效且无需循环，具体实现如下：

步骤1：加载data.table并准备数据 #

library(data.table)
dt <- data.table(Score = c(0.33,0.34,0.3, -0.22, 0.232), 
                 Id2 = c("0/0","0/1","1/0","0/0","0/0"), 
                 Kps = c("0/1","0/0","1/1","0/1","0/0"), 
                 Inr = c("0/0","0/1","1/1","0/0","0/1"))

步骤2：批量替换列值 #

首先定义需要处理的列（排除Score列），然后利用data.table的.SD（数据子集）和原地修改:=实现批量替换：

# 获取除Score外的所有列名
cols_to_process <- setdiff(names(dt), "Score")

# 批量处理：用fifelse（data.table高效版ifelse）按规则替换
dt[, (cols_to_process) := lapply(.SD, function(col_data) {
  fifelse(col_data %in% c("0/0", "1/1"), Score * 2, Score)
}), .SDcols = cols_to_process]

运行结果 #

执行后dt的输出与预期一致：

Score   Id2   Kps   Inr
1: 0.330 0.660 0.330 0.660
2: 0.340 0.340 0.680 0.340
3: 0.300 0.300 0.600 0.600
4:-0.220-0.440-0.220-0.440
5: 0.232 0.464 0.464 0.232

方案优势 #

• 高效原地修改：:=操作直接在原数据表上修改，避免了大数据量下的内存复制开销
• 向量化操作：lapply结合.SD是向量化处理，比逐列循环快几个数量级，适合千列场景
• 性能优化：用fifelse替代base包的ifelse，data.table原生实现的fifelse在速度和内存使用上更优

内容的提问来源于stack exchange，提问作者ZenMac