如何在R中将距离列表高效转换为指定格式的距离矩阵？

针对大数据量场景，因子索引+矩阵直接赋值是最优方案——全程向量化操作，无循环、无额外包依赖，底层由C实现，处理百万级节点对也能保持高效：

# 原始输入数据
dl <- data.frame(
  a = c('a','a','a','b','b','c'),
  b = c('b','c','d','c','d','d'),
  dist = c(1,2,3,2,1,2)
)

# 步骤1：提取所有唯一节点并排序，保证矩阵行/列顺序一致
nodes <- sort(unique(c(dl$a, dl$b)))
n_nodes <- length(nodes)

# 步骤2：将文本节点转换为整数索引（因子转整数，O(n)复杂度）
dl$row_idx <- as.integer(factor(dl$a, levels = nodes))
dl$col_idx <- as.integer(factor(dl$b, levels = nodes))

# 步骤3：初始化目标矩阵，对角线设0，上三角设NA
dm <- matrix(NA, nrow = n_nodes, ncol = n_nodes, dimnames = list(nodes, nodes))
diag(dm) <- 0

# 步骤4：统一处理节点对，定位到下三角位置并去重
# 不管原始节点对顺序，都转换为行索引>列索引的下三角位置
dl$row_final <- pmax(dl$row_idx, dl$col_idx)
dl$col_final <- pmin(dl$row_idx, dl$col_idx)
# 去重避免重复赋值同一无向节点对
dl_unique <- dl[!duplicated(paste(dl$row_final, dl$col_final)), ]

# 向量化赋值，直接填充距离值
dm[cbind(dl_unique$row_final, dl_unique$col_final)] <- dl_unique$dist

# 查看最终矩阵
dm

输出结果（符合对称距离的下三角矩阵）：

a  b  c  d
a  0 NA NA NA
b  1  0 NA NA
c  2  2  0 NA
d  3  1  2  0

核心优势 #

• 线性时间复杂度：节点索引转换、矩阵赋值均为线性操作，处理大数据量的效率远高于循环或igraph中转方案。
• 内存高效：无需额外存储图结构，直接操作矩阵，内存占用仅为最终矩阵大小。
• 鲁棒性强：自动处理原始数据中节点对的任意顺序，去重逻辑避免重复赋值。

注意事项 #

若原始数据中已明确只包含下三角节点对（行节点索引>列节点索引），可跳过步骤4的索引交换和去重，进一步提升速度。

内容的提问来源于stack exchange，提问作者EmilA