基于任意列计算欧氏距离的data.table实现问题及优化咨询

1. 关于setattr的用法误解 #

setattr()是用来修改对象的元属性（比如data.table的class、names这类描述性属性），根本不是用来修改数据列的。你混淆了两个完全不同的操作：

• dt[, foo := 2]：给data.table添加/修改名为foo的数据列，属于修改表格内容
• setattr(dt, "foo", 2)：给dt这个对象本身加一个名为foo的属性（你可以用attr(dt, "foo")取出这个值，但它和表格的列数据毫无关系）

所以用setattr改列值肯定无效，这是用法完全错了。

2. 原代码警告的原因 #

原代码第4行dt[[i]] <- (dt[[i]] - x[1][[i]])^2触发警告，是因为这种赋值方式不是data.table推荐的按引用修改——它会先复制整个data.table，再修改赋值，效率低，所以会弹出警告提示。

3. 正确的按引用修改列的方式 #

data.table提供了set()函数来实现高效的按引用修改，这是循环修改列的正确姿势，不会触发警告：

dt <- data.table(a=1:10, b=11:20, c=21:30)
x <- data.table(a=5, b=6, c=7)

for(i in names(dt)){
  set(dt, j = i, value = (dt[[i]] - x[[i]])^2)
}
dt[, euclid := sqrt(rowSums(.SD)), .SDcols = names(dt)]

这里set(dt, j=i, value=...)直接在原data.table上修改列，没有复制操作，符合data.table的高效设计规范。另外x[[i]]就能直接取出单值，不用写x[1][[i]]，因为x本身就是单观测值。

4. 更优的无循环实现 #

如果想彻底避免循环，利用data.table的向量化特性，可以一步完成计算，代码更简洁高效：

dt <- data.table(a=1:10, b=11:20, c=21:30)
x <- data.table(a=5, b=6, c=7)

# 直接对全列做向量化运算，一步得到欧氏距离
dt[, euclid := sqrt(rowSums((.SD - unlist(x))^2))]

这里.SD代表表格的所有列，unlist(x)把单观测的x转换成向量，.SD - unlist(x)会自动按列广播计算差值，后续平方、行求和、开根号一步到位，完全不需要循环。

内容的提问来源于stack exchange，提问作者asahi