使用data.table的`:=`创建依赖新列报错，能否实现dplyr类似功能？

嗨，刚从dplyr转data.table遇到这个问题太正常啦！你遇到的报错不是:=不能实现这个功能，而是data.table和dplyr在处理多列创建时的执行逻辑不一样。

问题原因 #

dplyr的mutate()是按顺序执行的——每创建一个新列，后面的表达式就能直接引用它，因为每一步都更新了当前的数据上下文。但data.table在同一次:=调用里，所有右侧的表达式都是基于原始数据表计算的，这时候column.1还没被添加到表中，自然会报“找不到对象”的错误。

你的这段代码确实不可行：

x[, `:=`(column.1 = a / b, column.2 = column.1 / 2)]

三种可行的解决方法 #

下面用示例数据给你演示：

library(data.table)
x <- data.table(a = c(4, 6, 8), b = c(2, 3, 4))

方法1：分两次调用:=

最简单的方式，先创建第一个新列，再基于它创建第二个：

x[, column.1 := a / b]
x[, column.2 := column.1 / 2]

方法2：使用data.table的链式调用

利用data.table支持链式操作的特性，把两次调用连起来，代码更紧凑：

x[, column.1 := a / b][, column.2 := column.1 / 2]

方法3：在同一调用中用临时变量复用计算结果

如果想在一次:=调用里完成，可以先把column.1的计算结果存在临时变量中，再用它生成column.2：

x[, c("column.1", "column.2") := {
  tmp <- a / b
  list(tmp, tmp / 2)
}]

这种方法的好处是避免重复计算a/b，效率更高，尤其是处理大数据集的时候。

对比dplyr的写法 #

你熟悉的dplyr写法是这样的：

library(dplyr)
x %>%
  mutate(column.1 = a / b,
         column.2 = column.1 / 2)

两者逻辑差异的核心就是：dplyr的mutate是逐步更新数据上下文，而data.table同一次:=调用是基于原始数据批量计算。

内容的提问来源于stack exchange，提问作者uncool