R中data.table cube()自定义函数报‘object not found’错误的解决咨询

问题重现 #

使用R 4.2.1与data.table 1.14.2版本时，直接调用cube()可以正常运行，但将其封装到自定义函数后出现object not found错误：

library(data.table)

f <- function(values, dec_places) {
  round(sum(values), digits = dec_places)
}

DT <- data.table(x = c("a", "a", "b", "b"),
                 y = c(1.101, 1, 2.101, 1))

x_var <- "x"
y_var <- "y"
dp <- 1

# 直接调用正常运行
cube(DT, f(get(y_var), dec_places = dp), by = x_var)
#       x  V1
# 1:    a 2.1
# 2:    b 3.1
# 3: <NA> 5.2

# 封装为函数后报错
g <- function(Data, num_var, group_var, decimal_places) {
  cube(Data, f(get(num_var), dec_places = decimal_places), by = group_var)
}

g(Data = DT, num_var = y_var, group_var = x_var, decimal_places = dp)
# Error in get(num_var) : object 'num_var' not found

错误原因 #

这是作用域解析问题：

• cube()执行传入的表达式时，默认会在传入的Data对象的环境（即data.table自身的列环境）中查找变量
• 自定义函数g中的num_var是函数的局部变量，并不存在于Data的环境中，因此get(num_var)无法找到该对象，触发报错

解决方法 #

方法1：使用.SDcols指定目标列 #

利用data.table的.SD（Subset of Data）和.SDcols参数，直接从分组后的子集中提取目标列，无需依赖get()：

g <- function(Data, num_var, group_var, decimal_places) {
  cube(Data, f(.SD[[1]], dec_places = decimal_places), by = group_var, .SDcols = num_var)
}

# 测试运行
g(Data = DT, num_var = y_var, group_var = x_var, decimal_places = dp)
#       x  V1
# 1:    a 2.1
# 2:    b 3.1
# 3: <NA> 5.2

方法2：构造并求值表达式 #

通过substitute()将函数局部变量替换到表达式中，再用eval()执行，确保cube()能正确解析变量：

g <- function(Data, num_var, group_var, decimal_places) {
  # 构造包含实际变量值的表达式
  calc_expr <- substitute(f(get(nv), dec_places = dp), 
                          list(nv = num_var, dp = decimal_places))
  cube(Data, eval(calc_expr), by = group_var)
}

# 测试运行
g(Data = DT, num_var = y_var, group_var = x_var, decimal_places = dp)
#       x  V1
# 1:    a 2.1
# 2:    b 3.1
# 3: <NA> 5.2

方法3：显式指定get()的查找环境 #

在get()中通过envir参数指定从当前函数环境中查找变量，明确作用域：

g <- function(Data, num_var, group_var, decimal_places) {
  cube(Data, f(get(num_var, envir = environment()), dec_places = decimal_places), by = group_var)
}

# 测试运行
g(Data = DT, num_var = y_var, group_var = x_var, decimal_places = dp)
#       x  V1
# 1:    a 2.1
# 2:    b 3.1
# 3: <NA> 5.2

内容的提问来源于stack exchange，提问作者mark999