如何在data.table中引用刚创建的变量q1计算新列？

你的问题核心在于需要迭代计算新列——每一行的q1依赖前一行的q1值，而data.table的默认向量化操作不会自动处理这种逐行依赖的逻辑，所以直接用shift(q1)会失败（因为q1还没创建，或者计算时不会实时更新）。

可行方案1：分组后用循环逐行计算 #

观察预期输出可以看到，xyz相同的组内q1是独立迭代的（比如xyz=1和xyz=2的初始值分别对应各自的0.25*xyz），所以我们可以按xyz分组，然后在每个组内逐行计算：

library(data.table)
df <- data.table(abc = rep(1:5,2), xyz = c(rep(1, 5), rep(2, 5)))

# 按xyz分组计算q1
df[, q1 := {
  # 初始化当前组的q1向量
  q_vec <- numeric(.N)
  # 找到abc=1的行，设置初始值
  init_idx <- which(abc == 1)
  q_vec[init_idx] <- 0.25 * xyz[init_idx]
  # 从初始行的下一行开始迭代计算
  for(i in (init_idx+1):.N) {
    q_vec[i] <- 0.25 * xyz[i] + 0.75 * q_vec[i-1]
  }
  # 保留两位小数和预期输出一致
  round(q_vec, 2)
}, by = xyz]

运行后得到的结果完全符合你的预期：

abc xyz   q1
 1:   1   1 0.25
 2:   2   1 0.44
 3:   3   1 0.58
 4:   4   1 0.68
 5:   5   1 0.76
 6:   1   2 0.50
 7:   2   2 0.88
 8:   3   2 1.16
 9:   4   2 1.37
10:   5   2 1.53

可行方案2：用Reduce实现函数式累积计算 #

如果你不想用显式循环，可以用Reduce函数来实现累积计算，逻辑和循环一致，但更符合R的函数式编程风格：

df[, q1 := {
  # 获取初始值（abc=1对应的行）
  init_val <- 0.25 * xyz[abc == 1]
  # 获取剩余行的计算项（0.25*xyz）
  rest_terms <- 0.25 * xyz[-which(abc == 1)]
  # 用Reduce累积计算，每次用前一个结果计算当前值
  q_vals <- Reduce(function(prev, curr) 0.75 * prev + curr, rest_terms, init = init_val, accumulate = TRUE)
  round(q_vals, 2)
}, by = xyz]

为什么你的原始方法无效？ #

你尝试的ifelse(abc == 1, ..., 0.75 * shift(q1))之所以失败，是因为：

1. 当你第一次创建q1时，shift(q1)返回的全是NA（因为q1还不存在）；
2. data.table的:=是向量化批量操作，所有行的计算是同时进行的，不会先计算第一行再用第一行的结果计算第二行——也就是说，所有行的shift(q1)都是基于初始的空值，而不是实时更新后的q1值。

内容的提问来源于stack exchange，提问作者Deb