如何在R data.table中按列值边界选取列并计算行求和？

你遇到的核心问题是：data.table的j表达式默认按列向量批量处理，eval(X)会读取整个X列的向量值，而非逐行提取X的元素，因此无法实现每行选取不同列范围的需求。

下面提供两种高效的data.table实现方案：

方法一：向量化矩阵运算（性能最优，适合大数据集） #

这种方法通过矩阵向量化操作完全规避逐行循环，是处理超大数据量的首选：

# 假设你的data.table名为dt，X是用于指定列范围的列，其余列为待求和列
# 提取除X外的所有列并转为矩阵
calc_matrix <- as.matrix(dt[, !"X", with = FALSE])
# 生成逻辑索引矩阵：每行前X[i]个元素标记为需要求和的列
selection_index <- matrix(seq_len(ncol(calc_matrix)) <= dt$X,
                          nrow = nrow(dt),
                          ncol = ncol(calc_matrix),
                          byrow = TRUE)
# 计算每行符合范围的列之和并添加为新列
dt[, sum_result := rowSums(calc_matrix * selection_index)]

方法二：逐行分组计算（代码简洁，易理解） #

如果数据规模适中，用by=.I实现逐行分组处理，写法更直观：

# .I代表每行的唯一索引，按行分组后.SD即为当前行的全部列
dt[, sum_result := sum(.SD[, 1:X]), by = .I]

性能优势说明 #

dplyr的rowwise()会引入大量逐行循环的开销，而上述两种data.table方案：第一种依托矩阵向量化运算，计算效率极高；第二种利用data.table的高效分组机制，性能也远优于rowwise()实现。

内容的提问来源于stack exchange，提问作者GBPU