R data.table下for循环实现数值列NA转0的自定义函数报错如何解决？

• 变量解析规则冲突：data.table在[.data.table的j参数位置会优先从数据表的列名中查找变量，你在循环中使用data[, i]时，程序会优先去数据表中寻找名为i的列，而不是取用循环环境中存储列索引的数值变量i，这是报错的直接原因。你直接写固定数值1时不存在变量查找歧义，所以可以正常运行。
• 拼写错误：你判断列类型时把integer、integer64错误拼写为interger、interger64，即使变量问题解决，也会因为类型匹配失败无法正常替换NA。
• 冗余逻辑：:=是data.table的原地修改操作符，不需要每次赋值后都打印整个数据表，else分支的打印逻辑还会导致非数值列时重复输出无意义结果。

最小改动修复原函数 #

fn.naremove <- function(data){ 
  # 用seq_along替代1:length避免空表时循环出错
  for (i in seq_along(data)){
    # 修正类型拼写，直接用[[i]]取列判断类型更稳妥
    if (class(data[[i]]) %in% c("numeric", "integer", "integer64")) {
      col_name <- names(data)[i]
      # 用列名变量赋值时加括号，告诉data.table这是外部变量而非列名
      data[, (col_name) := replace(get(col_name), is.na(get(col_name)), 0)]
    } 
  }
  # 最后统一返回修改后的数据表
  return(data[])
}

更符合data.table风格的优化写法（无需显式循环） #

fn.naremove_opt <- function(data){
  # 批量筛选所有符合要求的数值列
  num_cols <- names(data)[sapply(data, \(x) class(x) %in% c("numeric", "integer", "integer64"))]
  # 对筛选出的列批量替换NA为0
  data[, (num_cols) := lapply(.SD, \(x) replace(x, is.na(x), 0)), .SDcols = num_cols]
  return(data[])
}

调用修复后的函数即可正常得到结果：

dt1<- data.table(C1= c(1, 5, 14, NA, 54), C2= c(9, NA, NA, 3, 42), C3= c(9, 7, 42, 87, NA))
fn.naremove(dt1)

内容的提问来源于stack exchange，提问作者1darknight