如何在data.table中基于其他列应用函数创建新列？

这个问题我太熟悉了！你遇到的核心问题是你的自定义函数是针对单个标量值写的，而data.table会把整列（向量）直接传入函数，这就导致if(a %in% c(4,6))只会判断向量的第一个元素，然后把同一个结果套用到所有行，这就是警告和第5行结果错误的原因。下面给你几个高效的解决方案：

1. 把函数改造成向量化版本 #

直接用ifelse替换普通if，让函数能处理向量输入，每个元素都会被单独判断：

simple_func_vec <- function(a, b){
  ifelse(a %in% c(4,6), a*b, b/a)
}

# 调用测试
dt[, newval := simple_func_vec(cyl, disp)]
head(dt)

运行后第5行cyl=8的newval会变成360/8=45，完全符合预期，警告也会消失。

2. 用Vectorize()快速包装原函数 #

如果你不想修改原函数的代码，可以用R内置的Vectorize()把标量函数转换成支持向量的版本：

vec_simple_func <- Vectorize(simple_func)

dt[, newval := vec_simple_func(cyl, disp)]
head(dt)

这个方法相当于逐元素调用你的原函数，适合快速改造现有代码，但大数据量下性能不如直接写向量化函数，所以优先推荐第一种方法。

3. 直接用data.table的条件赋值语法 #

其实你根本不需要单独定义函数，data.table支持在j中直接写条件逻辑，代码更简洁，性能也更好：

# 用base的ifelse
dt[, newval := ifelse(cyl %in% c(4,6), cyl*disp, disp/cyl)]

# 或者用data.table专属的fifelse（速度更快）
dt[, newval := fifelse(cyl %in% c(4,6), cyl*disp, disp/cyl)]

fifelse是data.table专门优化的向量化条件函数，比base包的ifelse效率更高，在处理大表时优势明显。

补充：为什么.SDcols没用？ #

.SDcols是用来指定要传入.SD（数据集子集）的列，它本身不负责逐行计算。如果你之前尝试用.SD，可能写了类似dt[, newval := simple_func(cyl, disp), .SDcols = c("cyl", "disp")]，但这和直接调用函数没区别，因为.SDcols只是筛选列，不会改变函数的执行方式。

如果非要用.SD逐行处理，需要结合by = .I（逐行分组），但这种方法效率极低，大数据量下会非常慢，绝对不推荐：

# 不推荐！逐行分组性能极差
dt[, newval := simple_func(cyl, disp), by = .I]

以上几种方法里，优先推荐方法1或方法3，既高效又符合data.table的设计理念。

内容的提问来源于stack exchange，提问作者Gautam