data.table中自定义函数无法作用于所有行的原因及解决方法

为什么你的代码失效？ #

你这段代码的问题出在对lapply(.SD, ...)的理解上：

• 当你指定.SDcols = "ID"时，.SD代表的是整个ID列（一个向量），而不是单个ID元素。所以function(x)里的x是所有ID组成的向量，不是单个字符串。
• strsplit(x, "-")对向量处理后会返回一个列表，每个列表项对应一个ID拆分后的结果。但你用[[1]][1]只取了列表的第一个元素（也就是第一个ID"1234-123"拆分出的"1234"），然后把这个值重复赋值给了整个new列，所以最终结果全是同一个值，完全不符合你提取每个ID前半部分的需求。

几种修复方法 #

下面给你几个高效的修复方案，从简洁到通用都有：

方法1：用data.table专属的tstrsplit（推荐）

tstrsplit是data.table专门为拆分字符串设计的函数，它会自动把拆分后的结果转置成列，直接取第一列就能得到每个ID的前半部分：

library(data.table)
demo <- data.table(ID = c("1234-123", "1521-111", "1214-113", "1412-912"))
# 只提取前半部分
demo[, new := tstrsplit(ID, "-")[[1]]]

# 如果需要同时保留后半部分，可以这样写：
demo[, c("new", "suffix") := tstrsplit(ID, "-")]

方法2：用正则表达式sub提取

如果只是简单提取-之前的内容，用sub更简洁，不需要处理列表：

demo[, new := sub("-.*", "", ID)]

这里的正则-.*表示匹配-以及后面的所有内容，用空字符串替换，就剩下了-之前的部分。

方法3：用sapply处理拆分后的列表

如果你想保留类似原代码的思路，可以用sapply遍历strsplit返回的列表，取每个列表项的第一个元素：

demo[, new := sapply(strsplit(ID, "-"), `[`, 1)]

sapply会自动把列表转换成向量，正好适合赋值给new列。

内容的提问来源于stack exchange，提问作者Snowflake