R data.table分组赋值新变量时的赋值逻辑疑问

这是个非常典型的data.table细节问题，核心在于已有列的修改赋值和新列的创建赋值遵循不同的规则，我来一步步拆解：

1. 第一次赋值（创建新列）的逻辑 #

执行data[,var_to_impute:=value_to_see[t==3],by=c("id")]时，var_to_impute是全新的列：

• 对于id=1组，组内t==3的行只有1行，返回的value_to_see是长度为1的向量[3]。data.table会自动将这个向量循环补齐到组内的行数（2行），所以该组两行的var_to_impute都被设为3。
• 对于id=2组，t==3的行同样返回长度1的向量[6]，循环补齐到3行，所以该组三行的var_to_impute都为6。

此时的data表是：

id t value_to_see var_to_impute
1:  1 1            1             3
2:  1 3            3             3
3:  2 1            4             6
4:  2 2            5             6
5:  2 3            6             6

2. 直接修改已有列的逻辑 #

当执行data[,var_to_impute:=value_to_see[t==2],by=c("id")]时，var_to_impute已经存在，这时候data.table的行为是按位置替换，不主动填充NA：

• 对于id=1组，组内没有t==2的行，value_to_see[t==2]返回的是长度为0的空向量。因为没有可替换的值，data.table会保留该组原有var_to_impute的所有值（也就是之前的3）。
• 对于id=2组，t==2的行返回长度1的向量[5]，data.table会将这个向量循环补齐，替换该组所有行的var_to_impute值为5。

此时的结果就是你看到的：id=1的var_to_impute仍保留旧值3，而id=2的全部变为5。

3. 删除后重新创建新列的逻辑 #

当你先执行data[,var_to_impute:=NULL]删除列，再执行赋值时，var_to_impute变回全新列，data.table会按组内行数匹配，不足补NA的规则处理：

• 对于id=1组，value_to_see[t==2]返回空向量，由于需要生成和组内行数（2行）匹配的新列，data.table会自动用NA填充所有行。
• 对于id=2组，同样将[5]循环补齐到3行，所以该组三行的var_to_impute都为5。

最终结果符合你的预期：id=1的var_to_impute为NA，id=2的全部为5。

如何避免这种差异？ #

如果你希望无论是修改已有列还是创建新列，都能得到相同的结果（即没有匹配项时设为NA），可以明确用ifelse或者更高效的data.table方式控制逻辑：

# 用ifelse明确指定NA填充
data[,var_to_impute:=ifelse(t==2, value_to_see, NA),by=c("id")]

# 用match更高效地定位匹配项
data[,var_to_impute:=value_to_see[match(2, t)],by=c("id")]

match(2, t)会返回组内t=2的位置，没有匹配项时返回NA，这样就能统一返回和组内行数匹配的向量，无论列是否存在，结果都会一致。

内容的提问来源于stack exchange，提问作者Vitalijs