确实，这个问题在使用data.table时挺常见的——..这个语法糖虽然方便，但一旦嵌套在j里的其他函数（比如sum()、mean()这类）内部，data.table就没法正确解析它了。这是因为..的作用范围只限于j的顶层直接引用列名的场景，嵌套后就脱离了它的解析逻辑。

下面分几种常见场景给你讲讲最佳实践：

1. 单变量引用：用get()或eval(as.name()) #

这是最直接的替代方案，也是你已经知道的sum(get(var))的思路。get()可以直接把外部变量对应的列名转换成data.table内的列引用，不管嵌套多少层函数都能生效：

# 示例：外部变量var存储列名
var <- "sales"
dt[, sum(get(var))]
dt[, mean(get(var), na.rm = TRUE)]

如果习惯用基础R的方式，eval(as.name(var))和get(var)效果完全一致，写法稍微长一点，但逻辑是通的：

dt[, sum(eval(as.name(var)))]

2. 多变量/批量操作：用.SDcols + .SD #

如果需要同时操作多个外部指定的列，.SDcols配合.SD会比多次用get()更高效、更清晰。.SDcols用来指定要操作的列，.SD代表这些列组成的数据子集：

# 示例：外部变量cols存储多个列名
cols <- c("sales", "profit")
# 对每个列求和
dt[, lapply(.SD, sum), .SDcols = cols]
# 也可以结合分组
dt[, lapply(.SD, mean, na.rm = TRUE), by = region, .SDcols = cols]

这种方式不仅支持嵌套函数，还能轻松扩展到多列场景，是data.table批量操作的标准写法。

3. 复杂表达式/深层嵌套：用!!sym()（依赖rlang） #

如果你觉得get()的写法不够优雅，或者需要处理更复杂的表达式（比如列名和其他运算结合），可以用rlang包的!!（bang-bang）和sym()组合。这种方式能把外部变量转换成data.table能识别的符号，即使嵌套在多层函数里也能正确解析：

library(rlang)
var <- "sales"
# 嵌套在sum里完全没问题
dt[, sum(!!sym(var), na.rm = TRUE)]
# 更复杂的表达式：比如列值乘以某个系数
coef <- 1.1
dt[, sum(!!sym(var) * coef)]

需要注意的是，这个方法需要安装并加载rlang包，但语法更接近tidyverse风格，如果你熟悉tidyeval的话会很顺手。

总结一下不同场景的选择 #

• 单列简单操作：优先用get()，无需额外依赖，代码简洁。
• 多列批量操作：必选.SDcols + .SD，data.table原生支持，性能和可读性都拉满。
• 复杂表达式或追求语法优雅：用!!sym()，配合rlang实现更灵活的求值逻辑。

内容的提问来源于stack exchange，提问作者EKtheSage