Apply()函数使用问题：大data.table列拆分失败排查

先帮你梳理下问题根源：不管是for循环还是apply，都没用到data.table的核心优势，而且代码里还有几个明显的小bug导致结果异常，咱们一步步说。

先看你现有代码的问题 #

1. for循环的问题

• 低级笔误：处理RNA_expression.id2的时候，你写错了拆分的列名——用了a$RNA_expression.id1[i]来拆分，应该是a$RNA_expression.id2[i]；而且赋值的列也是id1对应的新列，这明显对应错了，应该给id2的三个新列赋值。
• 效率低下：逐行循环完全浪费了data.table的矢量化优化能力，大型数据集下速度会慢到难以接受。

2. apply方法的问题

• 无返回值：你的my_function没有返回修改后的行，所以apply执行后只会得到一堆NULL。
• 硬编码索引易出错：用a[19]这种列索引太脆弱，一旦列顺序变动，代码直接失效，可读性也极差。
• 类型转换损耗：apply(a,1,...)会把data.table转成矩阵，处理大型数据时额外的类型转换会拖慢速度。

正确的高效解决方案（data.table原生操作） #

既然用了data.table，就要用它的矢量化条件赋值，搭配stringr::str_split_fixed直接拆分字符串为多列，一步到位：

library(data.table)
library(stringr)

# 处理RNA_expression.id1列：仅对非"0"的行拆分赋值
a[RNA_expression.id1 != "0", 
  c("RNA_expression_gene_symbol_id1", "RNA_expression_logFPKM_id1", "RNA_expression_stratification_id1") := 
    as.data.table(str_split_fixed(RNA_expression.id1, "_", n = 3))]

# 处理RNA_expression.id2列：对应到id2的新列
a[RNA_expression.id2 != "0", 
  c("RNA_expression_gene_symbol_id2", "RNA_expression_logFPKM_id2", "RNA_expression_stratification_id2") := 
    as.data.table(str_split_fixed(RNA_expression.id2, "_", n = 3))]

为什么这个方法更优？ #

• 极致高效：data.table的条件赋值是底层优化的矢量化操作，比循环/apply快几个数量级，完美适配大型数据集。
• 逻辑清晰：直接用列名而非索引，代码可读性强，不容易出错。
• 一步到位：str_split_fixed直接返回指定数量的列组成的矩阵，转成data.table后能自动匹配到目标列，无需额外处理。

补充提示 #

你的示例数据里RNA_expression.id1和RNA_expression.id2是字符型的"0"，不是数值0，所以判断条件要用!= "0"而非!= 0，这也是你之前代码可能没触发拆分逻辑的原因之一。

内容的提问来源于stack exchange，提问作者Lu_Ste