如何在data.table中按条件批量替换无效值（规避循环）

嘿，我明白你遇到的问题了——想用data.table批量替换匹配无效值的元素，不想用循环，但直接用%in%的写法没生效对吧？

首先得说清楚，data.table的索引逻辑和普通data.frame不太一样，你原来的DT[DT %in% invalid_values] <- -99写法之所以不工作，是因为data.table里DT[i, j]的i参数是用来筛选行的，而你这里生成的是一个和表格同维度的逻辑矩阵，data.table没法正确解析这个来定位要替换的元素。

给你几个不用循环的高效解决方案：

方案1：用.SD + lapply（兼容所有data.table版本） #

如果想生成新表，用这个：

DT_cleaned <- DT[, lapply(.SD, function(col) replace(col, col %in% invalid_values, -99))]

如果想直接修改原表（in-place修改，更省内存），就用:=赋值：

DT[, names(DT) := lapply(.SD, function(col) replace(col, col %in% invalid_values, -99))]

方案2：用across（适用于data.table 1.14.0及以上版本） #

新版本的data.table支持across函数，写法更简洁：

# 生成新表
DT_cleaned <- DT[, across(everything(), ~replace(.x, .x %in% invalid_values, -99))]

# 直接修改原表
DT[, across(everything(), ~replace(.x, .x %in% invalid_values, -99)) := .SD]

方案3：用fcase（更高效的向量化判断） #

如果追求极致性能，推荐用data.table的fcase函数，它是完全向量化的，比replace可能更快：

DT[, names(DT) := lapply(.SD, function(col) fcase(col %in% invalid_values, -99, default = col))]

另外提一句，你原来的循环写法其实语法有问题，正确的循环写法应该是DT[DT == invalid_values[i]] <- -99，但循环在处理大表时效率很低，所以还是上面的向量化方法更好。

内容的提问来源于stack exchange，提问作者SmurfAcco