编写接收data.table列名作为参数的简易函数的方法对比

需求背景 #

我是data.table新手，需要实现以下需求：

• 编写可接收多个字符串形式列名作为参数的函数，而非直接传入列对象；
• 函数需基于这些列执行多种数据操作（如创建新变量、编辑列等）；
• 仅作为数据清洗流程的一部分，无需复杂实现。

我已找到三种可行实现方法，现存在两个疑问：

1. data.table官方文档推荐使用env()而非get()，但测试发现get()方法简洁有效，从性能或编码效率角度，优先选择env()的原因是什么？
2. 方法3（创建临时克隆列）除了创建额外列带来的时间与内存消耗外，在性能或编码效率方面还有其他缺点吗？

三种实现方法 #

方法1：使用get()引用变量 #

library(data.table)
fun_get <- function(dt, col_var, group_var) {

    max_name <- paste0(col_var, "_max")
    dt[, (max_name) := max(get(col_var)),
         by = get(group_var)]

    # 此处可添加更多涉及col_var和group_var的操作
}

方法2：使用env()引用变量 #

fun_env <- function(dt, col_var, group_var) {

    max_name <- paste0(col_var, "_max")
    dt[, (max_name) := max(col),
         by   = grp,
         env  = list(
             col = as.name(col_var),
             grp = as.name(group_var)
    )]

    # 此处可添加更多涉及col_var和group_var的操作
}

方法3：生成可直接引用的临时变量 #

该示例虽繁琐，但后续对col_var和group_var的操作会更简便

fun_temp <- function(dt, col_var, group_var) {

    dt[, `:=`(
        col_temp = get(col_var),
        group_temp = get(group_var)
    )]

    max_name <- paste0(col_var, "_max")
    dt[, (max_name) := max(col_temp),
         by = group_temp]
    
    # 此处可添加更多涉及col_var和group_var的操作

    dt[, c("col_temp", "group_temp") := NULL]
}

测试示例 #

三种方法对data.table的修改效果一致，测试用data.table及方法1调用示例如下：

dt <- data.table(
    value = c(10, 20, 30, 40, 50),
    group = c("A", "A", "B", "B", "B")
)

fun_get(dt, "value", "group")

内容的提问来源于stack exchange，提问作者ZyzotPerplex