如何在变量与data.table列名相同时用变量子集化该data.table？

优雅解决方案 #

data.table提供了几种原生语法来区分列名和外部环境的变量，无需额外做临时赋值：

1. 使用..前缀 #

..是data.table的特殊语法，用于引用上层环境中的变量，避免和列名冲突：

library(data.table)
subset_metadata = function(sex){
    meta = data.table(sex=c("male","female","female","male","male"),
                      group=c("1w","2w","1w","2w","2w"),
                      var=rnorm(5))
    meta = meta[sex == ..sex]
    return(meta)
}
subset_metadata("male")

2. 使用.env代词 #

.env可直接访问当前函数或全局环境中的变量，明确指定变量来源：

library(data.table)
subset_metadata = function(sex){
    meta = data.table(sex=c("male","female","female","male","male"),
                      group=c("1w","2w","1w","2w","2w"),
                      var=rnorm(5))
    meta = meta[sex == .env$sex]
    return(meta)
}
subset_metadata("male")

3. 使用get()函数指定环境 #

如果需要更灵活的环境控制，可通过get()函数指定变量所在环境（比如parent.frame()表示上层函数环境）：

library(data.table)
subset_metadata = function(sex){
    meta = data.table(sex=c("male","female","female","male","male"),
                      group=c("1w","2w","1w","2w","2w"),
                      var=rnorm(5))
    meta = meta[sex == get("sex", envir = parent.frame())]
    return(meta)
}
subset_metadata("male")

原理说明 #

data.table在[]内的表达式默认优先查找列名，上述方法都是通过明确语法告诉data.table去外部环境中查找变量，而非使用列名。其中..和.env是data.table专为这类场景设计的简洁语法，推荐优先使用。

内容的提问来源于stack exchange，提问作者larenite