使用整数变量筛选data.table行失效问题求助

问题根源 #

循环变量y和数据表v中的坐标列y重名了。data.table在筛选表达式（i参数）中会优先引用数据表内部的列，所以year==y里的y实际指向的是坐标列，而非循环变量y，导致筛选条件完全错误，自然查不到匹配的行。

解决方法 #

有两种可行的解决思路：

• 重命名循环变量，避免和数据表列名冲突（推荐，代码可读性更高）
• 明确指定循环变量来自全局环境，绕过data.table的列优先引用规则

修正后的代码 #

方法1：修改循环变量名 #

library(data.table)
set.seed(21)
v <- data.table(dt=sample(seq(as.Date('2010/01/01'), 
                              as.Date('2020/12/31'), by="day"), 50),
                x=sample(seq(100,600),50),
                y=sample(seq(0,1000),50))

v[ ,year:=as.integer(format(dt, "%Y"))]
v[ ,mon:=as.integer(format(dt, "%m"))]
v[ ,day:=as.integer(format(dt, "%d"))]

# 将循环变量y改为yr，m改为mo，避免和列名冲突
for(yr in min(v$year):max(v$year)){
  for(mo in 1:12){
    x <- v[year==yr & mon==mo, ]
    if(nrow(x)>0){
      print(paste(yr, mo, nrow(x)))
    }
  }
}

方法2：明确引用全局环境变量 #

library(data.table)
set.seed(21)
v <- data.table(dt=sample(seq(as.Date('2010/01/01'), 
                              as.Date('2020/12/31'), by="day"), 50),
                x=sample(seq(100,600),50),
                y=sample(seq(0,1000),50))

v[ ,year:=as.integer(format(dt, "%Y"))]
v[ ,mon:=as.integer(format(dt, "%m"))]
v[ ,day:=as.integer(format(dt, "%d"))]

for(y in min(v$year):max(v$year)){
  for(m in 1:12){
    # 用.GlobalEnv$指定使用全局环境中的循环变量
    x <- v[year==.GlobalEnv$y & mon==.GlobalEnv$m, ]
    if(nrow(x)>0){
      print(paste(y, m, nrow(x)))
    }
  }
}

验证效果 #

运行修正后的代码，会输出对应年月的记录数，比如：

[1] "2010 3 1"
[1] "2010 5 1"
[1] "2010 7 1"
[1] "2010 10 1"
[1] "2011 2 1"
...

手动测试也能得到正确结果：

> yr<-2020
> mo<-9
> nrow(v[year==yr & mon==mo, ])
[1] 2

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