如何在R data.table的.SD中访问列名以批量生成计算列？

你的思路方向是对的，但问题出在lapply(.SD, ...)里没法直接获取当前处理列的名称，导致get(paste0(colnames(.SD),'_mean'))会返回所有.SD列对应的_mean列名，而不是当前列的配对列，所以报错。下面给你两种符合data.table风格的可扩展解决方案：

方法1：使用Map配对原列与均值列 #

这种方法通过列名向量定义要处理的列，然后用Map将原列和对应的_mean列一一配对计算差值，代码简洁高效：

library(data.table)
DT = data.table(a = c(1,2,3,4,5), a_mean = c(1,1,2,2,2), b = c(6,7,8,9,10), b_mean = c(3,2,1,1,2))

# 定义需要处理的列前缀（可扩展到任意数量）
target_cols <- c("a", "b")

# 批量生成_final列
DT[, paste0(target_cols, "_final") := Map(
  function(x, y) x - y, 
  mget(target_cols), 
  mget(paste0(target_cols, "_mean"))
)]

方法2：通过列名循环处理 #

如果更习惯用lapply，可以直接对列名字符向量循环，在循环中通过列名从.SD中取出对应列计算差值：

# 同样定义目标列前缀
target_cols <- c("a", "b")

# 注意.SDcols要包含原列和对应的_mean列
DT[, paste0(target_cols, "_final") := lapply(
  target_cols, 
  function(col) .SD[[col]] - .SD[[paste0(col, "_mean")]]
), .SDcols = c(target_cols, paste0(target_cols, "_mean"))]

验证结果 #

运行后查看DT，会得到预期的差值列：

DT
#    a a_mean  b b_mean a_final b_final
# 1: 1      1  6      3       0       3
# 2: 2      1  7      2       1       5
# 3: 3      2  8      1       1       7
# 4: 4      2  9      1       2       8
# 5: 5      2 10      2       3       8

这两种方法都可以轻松扩展——只要修改target_cols向量，就能处理任意多的列对，完全符合data.table的高效批量处理风格。

内容的提问来源于stack exchange，提问作者Dinesh