R data.table自定义函数内调用列变量的正确语法及报错修复

测试数据集 #

library(data.table)
set.seed(1) 
year = c(rep(2000,5), rep(2001,5),  rep(2002,5),  rep(2003,5),  rep(2004,5))
DT <- data.table(panelID = sample(10,10),                                                   
                      some_type = as.factor(sample(0:5, 6)),                                             
                      some_other_type = as.factor(sample(0:5, 6)),         
                      Group = c(rep(1,20),rep(2,20),rep(3,20),rep(4,20),rep(5,20)),
                      wt = 15*round(runif(100)/10,2),
                      Income = round(rnorm(10,-5,5),2),
                      Income_proxy = round(rnorm(10,-6,6),2),
                      year = rep(year,4),
                      Happiness = sample(10,10),
                      Sex = round(rnorm(10,0.75,0.3),2),
                      Age = sample(100,100),
                      Height= 150*round(rnorm(10,0.75,0.3),2))   

原代码核心错误点 #

• 列引用逻辑错误：传入的varA、varB是字符串值，直接在[.data.table计算表达式中使用时，R不会将其识别为DT的列，触发object 'Income' not found错误；若手动给列名加引号，字符串无法参与算术运算，触发non-numeric argument to binary operator错误
• 作用域语法错误：out_names定义在for循环外部，定义时就调用了循环变量i，此时i未赋值，直接触发变量不存在错误
• 分支结构错误：else if (!is.null(years))后的代码块没有用花括号包裹，后续双层for循环实际不在条件分支内，逻辑完全混乱
• 分组传参错误：多分组场景下by=eval(groups[i], years[i])写法不符合data.table语法，无法正确识别多列分组规则
• 列名生成逻辑错误：按年份分组的场景下没有按「分组变量+年份」的组合生成独立列名，循环赋值时会反复覆盖同一列结果
• 示例调用语法错误：第二个调用示例末尾多了一个冗余右括号，属于基础语法错误

修正后的函数代码 #

calculate_relative_dev <- function(DT, varA="Income", varB="Income_proxy", groups, years=NULL) {
  setDT(DT)
  # 入参兼容：支持传入裸列名，自动转字符串
  if(!is.null(years) & !is.character(years)) years <- deparse(substitute(years))
  if(!is.character(groups)) groups <- deparse(substitute(groups))
  
  # 无年份分组场景
  if (is.null(years)) {
    for (i in seq_along(groups)) {
      out_col <- paste0("rel_deviation_", groups[i])
      # 用get()按字符串取对应列计算，by直接支持字符向量分组
      DT[, (out_col) := 100 * mean((get(varA) - get(varB)) / get(varA)), by = groups[i]]
    }
  } else {
    # 带年份分组场景：按 分组列+年份 双维度分组计算
    for (i in seq_along(groups)) {
      for (j in seq_along(years)) {
        out_col <- paste0("rel_deviation_", groups[i], "_", years[j])
        DT[, (out_col) := 100 * mean((get(varA) - get(varB)) / get(varA)), by = c(groups[i], years[j])]
      }
    }
  }
  return(DT)
}

注：原函数名calulate_relative_dev存在拼写错误（少写一个l），修正后为标准拼写，如需保留原命名可自行修改函数名

正确调用示例 #

• 仅按指定列分组计算：

res1 <- calculate_relative_dev(DT, groups = c("Group","some_type"))

• 同时按指定列+年份分组计算（支持裸列名/字符串列名两种传参方式）：

# 裸列名传参
res2 <- calculate_relative_dev(DT, groups = c("Group","some_type"), years = year)
# 字符串传参
res3 <- calculate_relative_dev(DT, groups = c("Group","some_type"), years = "year")

内容的提问来源于stack exchange，提问作者Tom