R中data.table等效dplyr across()转换多列并返回全表的方法

你之前的代码失效核心是两个错误：

1. 额外加了unlist操作，:=原生支持接收lapply返回的列表结构，拆包后反而会打乱列对应关系
2. 赋值左侧的列名变量没有用括号包裹，导致data.table将其识别为创建单个新列，而非使用变量中存储的多列名称

1. 原地修改原数据集（data.table默认高效原地操作） #

直接对选中列批量修改，修改直接作用于原对象，不需要二次赋值：

library(data.table)
library(stringr)

# 转换为data.table对象
iris <- setDT(copy(datasets::iris))
# 筛选列名包含"Petal"的列
petal_cols <- str_subset(colnames(iris), "Petal")

# 批量处理多列，直接修改原表
iris[, (petal_cols) := lapply(.SD, round, digits = 0), .SDcols = petal_cols]

如果不需要提前声明列名变量，还可以用patterns直接在.SDcols中匹配列名，写法更简洁：

iris[, names(.SD) := lapply(.SD, round, digits = 0), .SDcols = patterns("Petal")]

2. 不修改原数据集，返回新的完整数据集 #

和dplyr mutate行为一致，不改动原数据，输出处理后的新表：

# 先复制原对象再修改，避免影响原数据
iris_new <- copy(iris)[, (petal_cols) := lapply(.SD, round, digits = 0), .SDcols = petal_cols]

如果需要将处理结果存为新列不覆盖原列，只需要修改赋值左侧的列名即可：

# 给处理后的列加_round后缀
iris[, paste0(petal_cols, "_round") := lapply(.SD, round, digits = 0), .SDcols = petal_cols]

内容的提问来源于stack exchange，提问作者EMD