如何用data.table根据列值生成随机整数？适配大数据集提升效率

首先需要指出：你提供的Base R代码dt$random <- sample(1:dt$value, size=nrow(dt), rep = TRUE)无法正确实现需求——因为1:dt$value会将整个value向量的元素作为序列上限循环生成，而非每行生成1到对应行value的随机数。正确的Base R实现通常会用apply，但这种循环方式在大数据集上速度极慢。

以下是data.table的高效实现方案，优先推荐完全向量化的方法：

方法一：向量化生成（最快，适合超大数据集） #

利用均匀分布随机数的向量化特性，直接生成每行的随机整数，全程无循环，性能最优：

library(data.table)
# 将现有数据框转换为data.table（如果还不是的话）
setDT(dt)
# 生成随机列：每个值在1到对应行value之间（包含两端）
dt[, random := floor(runif(.N, min = 1, max = value + 1))]

原理：runif(.N, 1, value+1)生成[1, value+1)区间的均匀随机数，通过floor取整后，恰好得到1到value之间的整数，统计上和sample(1:x, 1)等价，但速度提升几个数量级。

方法二：使用mapply（兼容sample.int逻辑） #

如果需要严格调用sample.int实现抽样（和Base R的sample逻辑完全一致），可以用mapply结合data.table语法，比Base R的apply更快：

dt[, random := mapply(sample.int, n = value, size = 1)]

但这种方式本质还是逐行操作，速度远不如方法一，仅在特殊场景下使用。

内容的提问来源于stack exchange，提问作者atatam_anukah