为何data.table逻辑子集无法使用本地新派生变量？是bug还是需设参数？

嘿，这可不是bug哦，是data.table的有意设计~

这完全是data.table的设计逻辑，不是程序bug。让我给你拆解一下原因和解决办法：

为什么会出现这种情况？ #

当你用DT[... , :=(...)]这类语法时，data.table的执行顺序是先处理i（子集筛选部分），再处理j（计算/赋值部分）。而且同一[]内的i和j的解析环境是基于原始data.table的——也就是说，在当前这个[]执行完成前，新创建的变量还没被注册到data.table的环境中，自然没法在同一个[]的后续部分直接调用。

举个实际例子你就懂了：

library(data.table)
DT = data.table(a = 1:5)

# 这样会报错，因为i部分的b还没被创建
DT[b > 2, b := a * 2]

# 但分两步就没问题，因为第一个[]已经把b写入了DT
DT[, b := a * 2][b > 2]

怎么实现“同一操作里用新变量筛选”？ #

如果想在同一个逻辑块里完成创建新变量+筛选，有几个可行方案：

1. 链式调用（最推荐） #

data.table的链式操作性能几乎和单步操作无差，而且可读性极强，是社区最常用的方式：

DT[, b := a*2][b > 2]

2. 在j中先计算再筛选 #

适合简单场景，直接在j里生成新变量并筛选后返回结果：

DT[, if(a*2 > 2) .(a, b = a*2)]
# 或者先生成完整结果再筛选
DT[, .(a, b = a*2)][b > 2]

3. 用eval()强制解析（不推荐常规使用） #

虽然可以通过eval()让i引用j里的计算，但这会破坏data.table的查询优化能力，只适合特殊场景：

DT[, b := a*2][eval(b > 2)]

总结 #

这是data.table为了保证性能和解析一致性做出的设计选择，不是bug。如果需要用新变量筛选，最稳妥高效的方式就是用链式调用分两步完成~

内容的提问来源于stack exchange，提问作者AdamO