R语言移除data.table中绝对值和为0的列失败，求解决方案

嘿，我完全懂你这种明明照着方案抄却行不通的挫败感——尤其还是在确认了列类型、无NA的情况下，确实挺闹心的。咱们结合data.table的特性来解决这个问题：

首先得明确：data.table的列选择逻辑和base R的data.frame有细微差异，之前的方法失效大概率是没适配data.table的语法，导致返回结构出错。

方法1：用.SD+colSums的原生data.table写法 #

这是最稳妥的方式，既能保留data.table结构，又能精准筛选非全0列：

SelectVar <- SelectVar[, which(colSums(abs(.SD)) != 0), with = FALSE]

• .SD是data.table的特殊变量，代表当前表的所有列，避免直接引用表名导致的上下文问题
• abs(.SD)取绝对值后求和，完美匹配你要排除“绝对值之和为0（即全0）”列的需求
• with = FALSE告诉data.table我们用的是列索引来选列，而不是表达式，这样返回的还是data.table，不会变成列表

方法2：调整apply写法适配data.table #

如果你更习惯用apply，可以改成下面的写法，同样能保证返回data.table：

SelectVar <- SelectVar[, !apply(.SD == 0, 2, all), with = FALSE]

核心还是用.SD指代所有列，加上with=FALSE维持data.table结构，避免之前出现的转成列表的问题。

为什么你之前的方法会失效？ #

你提到操作后data.table变成列表，主要原因是没有用with=FALSE：在data.table的默认语法里，SelectVar[, 逻辑向量]会被当成行筛选条件，而不是列筛选，这就会把表拆成向量/列表返回，完全不是你想要的结果。

另外你写的自定义函数里，df[,i]在data.table中会返回一个向量，而非列对象，可能导致summary的判断逻辑出错——如果要兼容两种数据结构，可以把df[,i]改成df[[i]]来提取列向量。

先验证再操作（可选但推荐） #

执行删除前，先确认哪些列确实是全0的，避免误删：

# 查看每列的绝对值总和
colSums(abs(SelectVar))
# 定位全0列的索引
which(colSums(abs(SelectVar)) == 0)

这样能确保你的筛选逻辑是正确的，也能排查有没有隐藏的细节被忽略。

内容的提问来源于stack exchange，提问作者DevGin