如何将R函数生成的新变量添加至数据集？附代码示例

原函数的问题分析 #

你的函数目前无法给dt添加新变量，核心原因有两个：

1. 你传入的dt$dummy在初始时不存在，且函数内部的dummy是局部变量，不会同步到原data.table
2. 函数最后返回的是tapply生成的统计摘要，而非生成的哑变量本身，自然无法关联到原数据集

解决方案 #

用R函数生成新变量是完全合理的做法，以下两种方案可以解决你的问题：

方案1：让函数直接修改data.table（利用引用特性）

data.table支持按引用修改，函数可以直接操作原数据集并添加新列：

dv <- function(dt, var_name, new_var_name, n){
    # 计算分位数切割点
    quantile_cuts <- quantile(dt[[var_name]], probs = seq(0, 1, 1/n), na.rm = TRUE)
    # 直接在原data.table中添加新列
    dt[[new_var_name]] <- cut(dt[[var_name]],
                              breaks = quantile_cuts,
                              labels = 0:(n-1),
                              include.lowest = TRUE)
    # 可选：返回分组统计结果
    return(tapply(dt[[var_name]], dt[[new_var_name]], summary))
}

set.seed(1234)
dt <- data.table(var = runif(20, min = 0, max = 100))
# 调用函数：传入数据集、原列名、新列名、分位数数量
dv(dt, "var", "dummy", 4)
# 查看数据集，已新增dummy列
dt

方案2：函数返回哑变量，手动添加到data.table

如果希望函数保持纯函数特性（不修改原输入），可以让函数返回生成的哑变量，再通过data.table的语法添加到数据集：

dv <- function(variable, n){
    nn <- n - 1
    dummy <- cut(variable,
                 quantile(variable, probs = seq(0, 1, 1/n), na.rm = TRUE),
                 labels = 0:nn,
                 include.lowest = TRUE)
    # 返回生成的哑变量
    return(dummy)
}

set.seed(1234)
dt <- data.table(var = runif(20, min = 0, max = 100))
# 生成哑变量并添加到dt
dt[, dummy := dv(var, 4)]
# 单独查看分组统计结果
tapply(dt$var, dt$dummy, summary)

总结 #

两种方案各有适用场景：

• 方案1适合需要一次性完成变量生成和数据集修改的场景，效率更高
• 方案2更符合函数式编程的设计原则，适合需要复用哑变量逻辑但不想修改原数据集的场景

内容的提问来源于stack exchange，提问作者li jiaqi