R语言如何为data.table列表列补全子列表缺失的指定值

需要为strata列表列的每一个向量补全缺失的边界值0和1000000，其中0补在向量头部，1000000补在向量尾部。

初始测试数据：

dat <- structure(list(cat = structure(c(1L, 3L, 2L), levels = c("A", 
"B", "C"), class = "factor"), 
    strata = list(c(25, 100, 250, 500), c(25, 
    100, 250, 500), c(25, 100, 1000000
    ))), row.names = c(NA, -3L), class = c("data.table", "data.frame"
))

初始数据预览：

cat                  strata
1:   A          25,100,250,500
2:   C          25,100,250,500
3:   B      25,    100,1000000

原有错误实现代码：

dat$strata <- lapply(dat$strata, \(x){
   if (0 %nin% dat$strata) {
    dat$strata<- append(0, dat$strata)
   }
   if (1000000 %nin% dat$strata) {
    dat$strata<- append(dat$strata, 1000000)
   }
})

预期输出结果：

cat                  strata
1:   A       0,  25,100,250,500,1000000
2:   C        0, 25,100,250,500,1000000
3:   B     0, 25,    100,1000000

原有代码存在三个核心问题：

• lapply遍历strata列时，每次传入的参数x是当前行的数值向量，但代码里判断、修改的对象是整列dat$strata，操作对象完全错误
• 匿名函数没有返回修改后的向量，默认返回NULL，运行后会把原有strata列的所有值覆盖为空
• %nin%是data.table包提供的特殊操作符，如果未提前加载包会直接触发“找不到函数”的报错

通用lapply写法 #

直接对每次遍历到的单条向量x做判断、补全，最后返回修改后的x即可：

# 若未加载data.table，把判断逻辑替换为 !0 %in% x、!1000000 %in% x 即可
dat$strata <- lapply(dat$strata, \(x) {
  if (!0 %in% x) x <- c(0, x)
  if (!1000000 %in% x) x <- c(x, 1000000)
  x
})

data.table原生高效写法 #

适配data.table的按列修改语法，运行效率更高：

library(data.table)
dat[, strata := lapply(strata, \(x) {
  x <- if (!0 %in% x) c(0, x) else x
  x <- if (!1000000 %in% x) c(x, 1000000) else x
  x
})]

运行后打印dat即可得到和预期完全一致的结果。

内容的提问来源于stack exchange，提问作者Tom