这里是一个关于data.table中行操作的好的SO解释：（链接）
我想到了一个替代方案，就是为每一行使用唯一的id，然后使用by参数应用函数。像这样：
library(data.table)
dt <- data.table(V0 =LETTERS[c(1,1,2,2,3)],
V1=1:5,
V2=3:7,
V3=5:1)
# create a column with row positions
dt[, rowpos := .I]
# calculate standard deviation by row
dt[ , sdd := sd(.SD[, -1, with=FALSE]), by = rowpos ]
问题:
是否有不使用此方法的充分理由？或许还有其他更高效的选择吗？
为什么使用 by = .I 不能达到相同的效果？
dt[ , sdd := sd(.SD[, -1, with=FALSE]), by = .I ]
更新:
自data.table 1.4.3版本以后，已经实现了按行分组by=.I，可以按照OP的预期工作。请注意，使用by=.I将在数据表中创建一个名为I的新列，其中包含行号。然后可以根据需要保留或删除行号列。
本答案的以下部分记录了适用于旧版本data.table的早期版本。如果有人仍在使用旧版本，则可以保留它作为参考。
注意: 由于data.table随时间的许多变化使原始版本过时，因此本答案第(3)部分已于2019年4月进行更新。 此外，已从所有data.table实例中删除了with=参数的使用，因为它已被弃用。
1) 首先，至少对于rowsums的示例而言，不使用它的一个原因是性能和创建不必要的列。与以下选项f2相比，后者几乎快4倍，而且不需要rowpos列 (请注意，原始问题使用rowSums作为示例函数，这部分回答针对该函数。 OP之后编辑了问题，为此第3部分更为相关）：
dt <- data.table(V0 =LETTERS[c(1,1,2,2,3)], V1=1:5, V2=3:7, V3=5:1)
f1 <- function(dt){
dt[, rowpos := .I]
dt[ , sdd := rowSums(.SD[, 2:4]), by = rowpos ] }
f2 <- function(dt) dt[, sdd := rowSums(.SD), .SDcols= 2:4]
library(microbenchmark)
microbenchmark(f1(dt),f2(dt))
# Unit: milliseconds
# expr min lq mean median uq max neval cld
# f1(dt) 3.669049 3.732434 4.013946 3.793352 3.972714 5.834608 100 b
# f2(dt) 1.052702 1.085857 1.154132 1.105301 1.138658 2.825464 100 a
2) 对于您的第二个问题，虽然dt[, sdd := sum(.SD[, 2:4]), by = .I]无法工作，但dt[, sdd := sum(.SD[, 2:4]), by = 1:NROW(dt)]可以完美地工作。根据?data.table 中的说明，“.I 是一个整数向量，等于 seq_len(nrow(x))”，人们可能会认为它们是等效的。然而，区别在于.I用于j中，而不是用于by中。请注意，.I的值是在data.table内部计算的，因此无法提前作为参数值传递，例如by=.I。
可能还期望by = .I应该只会引发错误。但这并不会发生，因为加载data.table包会在data.table命名空间中创建一个对象.I，可从全局环境访问，其值为NULL。您可以通过在命令提示符处键入.I来测试此内容。（请注意，相同的原理适用于.SD、.EACHI、.N、.GRP和.BY）
.I
# Error: object '.I' not found
library(data.table)
.I
# NULL
data.table::.I
# NULL
这意味着 by = .I 的行为等同于 by = NULL。
3) 尽管我们已经在第一部分中看到，在rowSums的情况下，由于其已经有效地循环遍历行，因此有比创建rowpos列更快的方法。但是当我们没有快速的逐行函数时该怎么办？
对比使用by=rowpos 和 by=1:NROW(dt) 的版本与使用set()的for循环可以了解到性能差异。我们发现，在使用data.table的by参数进行循环的两种方法中，循环set的for 循环速度较慢。然而，在创建附加列的by循环和使用seq_len(NROW(dt))的循环之间的时间差异微乎其微。在没有性能差异的情况下，似乎f.nrow可能更可取，但仅基于更简洁且不创建不必要的列。
dt <- data.table(V0 = rep(LETTERS[c(1,1,2,2,3)], 1e3), V1=1:5, V2=3:7, V3=5:1)
f.rowpos <- function() {
dt[, rowpos := .I]
dt[, sdd := sum(.SD[, 2:4]), by = rowpos ]
}
f.nrow <- function() {
dt[, sdd := sum(.SD[, 2:4]), by = seq_len(NROW(dt)) ]
}
f.forset<- function() {
for (i in seq_len(NROW(dt))) set(dt, i, 'sdd', sum(dt[i, 2:4]))
}
microbenchmark(f.rowpos(),f.nrow(), f.forset(), times = 5)
# Unit: milliseconds
# expr min lq mean median uq max neval
# f.rowpos() 559.1115 575.3162 580.2853 578.6865 588.5532 599.7591 5
# f.nrow() 558.4327 582.4434 584.6893 587.1732 588.6689 606.7282 5
# f.forset() 1172.6560 1178.8399 1298.4842 1255.4375 1292.7393 1592.7486 5
总之，即使在没有像rowSums这样已经按行操作的优化函数的情况下，也有使用不需要创建多余列的替代方法，虽然速度不一定更快。
NROW而不是nrow？在这种情况下，我认为它们是等价的，但我不确定是否有我忽略的微妙之处。 - DanNROW，因为它也适用于向量。过去我曾看到这样的情况：如果只指定了一个列，则使用列名或位置的向量选择列可能会无意中返回一个向量而不是 data.frame 或 data.table。NROW 可以捕获这些边缘情况，但 nrow 不行。因此，除非我特别想要 nrow 的行为，否则我通常会坚持使用 NROW 作为一般策略。 - dww
Reduce("+", dt[, 2:4, with = FALSE])来(1)不按行循环，(2)不转换为“矩阵”。对于其他按行操作，您可以考虑类似于Reduce操作，以避免将函数应用到每一行上，或者-也许-将数据存储为“矩阵”，并使用特定/高效的“矩阵”函数。 - alexis_lazsd的一个选项似乎是sqrt(rowSums((dt[, 2:4, with = FALSE] - Reduce("+", dt[, 2:4, with = FALSE]) / 3) ^ 2) / (3 - 1))。 - alexis_lazby=.I不会出错，但它与1:nrow(dt)不等价 - 如果我是你，我会提交一个错误报告。 - eddi