如何高效遍历DataFrame列并生成相邻列值配对列表？

针对你需要提取DataFrame相邻列数值配对（体现时序变化）的需求，这里提供两种比for循环更高效、更符合tidyverse风格的方案：

方法1：长格式转换 + lead() 函数 #

先将宽格式数据转换为长格式，再利用lead()函数获取每行的下一个时序数值，轻松生成配对关系，避免循环和反复rbind的低效操作：

library(tidyverse)

# 测试数据
test = data.frame(var1 = 2:5, 
                  var2 = c(1, 3:5),
                  var3 = c(1,3,4 , 8), 
                  var4 = c(2:4, 8)
)

# 转换为长格式，用row_id区分每条独立的时序序列
test_long <- test %>%
  mutate(row_id = row_number()) %>%
  pivot_longer(-row_id, names_to = "col_name", values_to = "value") %>%
  arrange(row_id, col_name)

# 生成相邻数值配对
graph <- test_long %>%
  group_by(row_id) %>%
  mutate(
    from = value,
    to = lead(value),       # 获取下一列的数值
    name = lead(col_name)   # 获取下一列的名称
  ) %>%
  ungroup() %>%
  drop_na(to, name) %>%     # 移除无后续列的最后一条记录
  select(from, to, name)

# 查看结果
print(graph)

# 筛选有变化的配对（可选）
graph %>% filter(from != to)

方法2：用purrr::map_df() 遍历列对 #

如果更贴近你原始的列遍历思路，可以用map_df()替代for循环，自动合并结果，无需手动处理rbind和NA值：

library(tidyverse)

test = data.frame(var1 = 2:5, 
                  var2 = c(1, 3:5),
                  var3 = c(1,3,4 , 8), 
                  var4 = c(2:4, 8)
)

cn <- colnames(test)

# 生成相邻列的索引对：(1,2), (2,3), (3,4)
col_pairs <- map(1:(ncol(test)-1), ~c(.x, .x+1))

# 遍历每个列对，生成配对数据并自动合并
graph <- map_df(col_pairs, function(pair) {
  test %>%
    select(from = pair[1], to = pair[2]) %>%
    mutate(name = cn[pair[2]])
})

# 查看结果
print(graph)

# 筛选有变化的配对（可选）
graph %>% filter(from != to)

方案优势 #

• 避免了for循环中反复rbind带来的性能损耗（尤其是数据量大时）
• 代码更简洁、可读性更强，符合tidyverse的向量式操作逻辑
• 无需手动处理初始NA行和后续的na.omit()操作

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