Fare riferimento alle colonne data.table per nome salvato nelle variabili

Question

data.table è un fantastico pacchetto R e lo sto utilizzando in una libreria che sto sviluppando. Finora tutto sta andando molto bene, tranne una complicazione. Sembra essere molto più difficile (rispetto ai frame dati convenzionali) fare riferimento alle colonne data.table utilizzando nomi salvati in variabili (come per i frame di dati, ad esempio: colname="col"; df[df[,colname]<5,colname]=0).

Forse ciò che complica maggiormente le cose è l'apparente mancanza di coerenza della sintassi su questo in data.table. In alcuni casi, eval(colname) e get(colname) o anche c(colname) sembrano funzionare. In altri, DT[,colname, with=F] è la soluzione. Tuttavia in altri, come ad esempio le funzioni set() e subset(), non ho trovato alcuna soluzione. Infine, un caso di uso estremo, anche se abbastanza comune, è stato discusso in precedenza (passing column names to data.table programmatically) e le soluzioni proposte, anche se apparentemente facendo il loro lavoro, non sembravano particolarmente leggibili ...

Forse sto complicando troppo le cose? Se qualcuno potesse buttare giù un rapido cheatsheet per fare riferimento ai nomi delle colonne data.table usando le variabili per diversi scenari comuni, sarei molto grato.

UPDATE:

Alcuni esempi specifici che lavoro messe a disposizione posso nomi delle colonne codificare:

x.short = subset(x, abs(dist)<=100) 
set(x, which(x$val<10), "val", 0) 

Ora assumere distcol="dist", valcol="val". Qual è il modo migliore per fare quanto sopra utilizzando distcol e valcol, ma non dist e val?

Answer 1

Se avete intenzione di fare operazioni complicate all'interno del vostro j espressioni, probabilmente si dovrebbe usare eval e quote. Un problema con questo nella versione corrente di data.table è che l'ambiente di eval non viene sempre elaborato correttamente - eval and quote in data.table (Nota: c'è stato un aggiornamento a tale risposta in base ad un aggiornamento del pacchetto.) - e la correzione corrente per questo è aggiungere .SD a eval. Per quanto posso dire da alcuni test che ho eseguito ciò non influisce sulla velocità (il modo in cui, ad esempio, avere .SD[1] in j).

È interessante notare che questo problema affligge solo il j e andrà tutto bene utilizzando eval normalmente in i (dove .SD non è disponibile in ogni caso).

L'altro problema è l'assegnazione e ci sono stringhe. Conosco un modo per estrarre il nome della stringa da un'espressione quotata: non è carina, ma funziona. Ecco un esempio che combina tutto insieme:

x = data.table(dist = c(1:10), val = c(1:10)) 
distcol = quote(dist) 
valcol = quote(val) 

x[eval(valcol) < 5, 
    capture.output(str(distcol, give.head = F)) := eval(distcol)*sum(eval(distcol, .SD))] 

Nota come mi era ok non aggiungendo .SD in una eval(distcol), ma non sarà se lo prendo fuori l'altro eval.

Un'altra opzione è quella di utilizzare get:

diststr = "dist" 
valstr = "val" 

x[get(valstr) < 5, c(diststr) := get(diststr)*sum(get(diststr))] 

Answer 2

Forse conosci già questa soluzione?

DT[[colname]] 

presenta un design ispirato @ Eddi della soluzione nei commenti qui sotto, usando l'esempio del PO:

set.seed(1) 
x = data.table(a = 1:10, b=rnorm(10)) 
colstr="b" 
col <- eval(parse(text=paste("quote(",colstr,")",sep=""))) 
x[eval(col)<0] 
x[eval(col)<0,c(colstr):=-100] 

Answer 3

Diciamo che avete il nome della colonna nella variabile x, si potrebbe fare

colname = as.name(x) 

è quindi possibile utilizzare colname nella funzione subset