R自我参考
在RI发现自己做了很多这样的事情：
adataframe[adataframe$col==something]<-adataframe[adataframe$col==something)]+1
这种方式是漫长而乏味的。 有没有办法给我
引用我正在尝试改变的对象
adataframe[adataframe$col==something]<-$self+1
？
试试package data.table和它:=运算符。 这是非常快，非常短。
DT[col1==something, col2:=col3+1]
第一部分col1==something是子集。 你可以在这里放置任何东西，并使用列名，就好像它们是variables一样; 即不需要使用$ 。 然后第二部分col2:=col3+1将该RHS分配给该子集中的LHS，其中列名可以被分配到，就好像它们是variables一样。 :=是按引用分配的。 没有任何对象的副本被采用，所以比<- ， = ， within和transform更快。
另外，即将在v1.8.1中实现， j的语法的一个最终目标是允许:=在j就像它将它和by组合起来一样，看问题： 我应该何时在data.table中使用:=运算符 。
UDPDATE：2012年7月确实发布了（ :=按组）。
你应该更加关注Gabor Grothendeick（而不仅仅是在这个例子中）。Matt Asher的博客中引用的inc函数完成了你所问的所有内容：
（而且明显的扩展也是如此。）
add <- function(x, inc=1) { eval.parent(substitute(x <- x + inc)) } # Testing the `inc` function behavior
编辑：在第一个评论缺乏批准之后，我暂时感到烦恼之后，我接受了添加更多function参数的挑战。 提供一个dataframe的一部分参数，它仍然会增加值的范围一。 到目前为止，只在中缀运算符上进行了非常简单的testing，但是我没有理由认为它不适用于只接受两个参数的函数：
transfn <- function(x, func="+", inc=1) { eval.parent(substitute(x <- do.call(func, list(x , inc)))) }
（有罪承认：这从某种意义上来说，从传统的R值的angular度来看是“错误的”）。早期对inc函数的testing如下：
> df <- data.frame(a1 =1:10, a2=21:30, b=1:2) > inc <- function(x) { + eval.parent(substitute(x <- x + 1)) + } > inc(df$a1) # works on whole columns > df a1 a2 b 1 2 21 1 2 3 22 2 3 4 23 1 4 5 24 2 5 6 25 1 6 7 26 2 7 8 27 1 8 9 28 2 9 10 29 1 10 11 30 2 > inc(df$a1[df$a1>5]) # testing on a restricted range of one column > df a1 a2 b 1 2 21 1 2 3 22 2 3 4 23 1 4 5 24 2 5 7 25 1 6 8 26 2 7 9 27 1 8 10 28 2 9 11 29 1 10 12 30 2 > inc(df[ df$a1>5, ]) #testing on a range of rows for all columns being transformed > df a1 a2 b 1 2 21 1 2 3 22 2 3 4 23 1 4 5 24 2 5 8 26 2 6 9 27 3 7 10 28 2 8 11 29 3 9 12 30 2 10 13 31 3 # and even in selected rows and grepped names of columns meeting a criterion > inc(df[ df$a1 <= 3, grep("a", names(df)) ]) > df a1 a2 b 1 3 22 1 2 4 23 2 3 4 23 1 4 5 24 2 5 8 26 2 6 9 27 3 7 10 28 2 8 11 29 3 9 12 30 2 10 13 31 3
这是你可以做的。 让我们说你有一个数据框
df = data.frame(x = 1:10, y = rnorm(10))
而且你想把所有的y加1。你可以通过使用transform轻松完成
df = transform(df, y = y + 1)
我会偏向（可能是子集在行上）
ridx <- adataframe$col==something adataframe[ridx,] <- adataframe[ridx,] + 1
不依赖任何花哨的/脆弱的parsing，对于正在执行的操作是合理的expression，而不是太冗长。 也倾向于将线条划分成很好的人类可分解单位，并且使用标准习语有一些吸引力–R的词汇和特质已经足够我的口味。
