R语言：生成跨组无重复组合（同组元素不共存）

给定如下R向量，元素名称为变量名，数值为分组标识：

v <- c("v1" = 3, "v2" = 1, "v3" = 2, "v4" = 1, "v5" = 2, "v6" = 4,
       "v7" = 1, "v8" = 4, "v9" = 1, "v10" = 4, "v11" = 3, "v12" = 3)

需求是生成所有符合以下条件的组合：

• 每个组合包含每个分组的一个变量
• 同一分组的变量不能出现在同一组合中
• 组合顺序无关（如v1,v3,v7,v8与v3,v1,v7,v8视为同一组合，仅保留其一）

原方案的问题 #

原方案通过combn生成所有4变量组合后过滤，会产生大量无效组合（比如同分组变量重复的组合），遍历过滤的方式在变量数量较多时效率极低。

高效解决方案 #

核心思路：利用分组的独立性，直接生成各分组变量的笛卡尔积，这样生成的组合天然符合要求，无需过滤，大幅提升效率。

步骤1：按分组拆分变量列表 #

先将向量按分组标识拆分，得到每个分组对应的变量集合：

grouped_vars <- split(names(v), v)

拆分结果：

$`1`
[1] "v2" "v4" "v7" "v9"

$`2`
[1] "v3" "v5"

$`3`
[1] "v1"  "v11" "v12"

$`4`
[1] "v6"  "v8"  "v10"

方法1：使用expand.grid生成组合 #

expand.grid可以直接生成多个向量的笛卡尔积，天然满足每个分组选一个变量的要求：

# 生成笛卡尔积
result_grid <- expand.grid(grouped_vars, stringsAsFactors = FALSE)

# 转换为每行一个组合的数据框
result_df <- as.data.frame(t(result_grid), stringsAsFactors = FALSE)
colnames(result_df) <- paste0("comb_", seq(ncol(result_df)))

# 或者转换为列表格式（每个元素是一个组合）
result_list <- as.list(data.frame(t(result_grid), stringsAsFactors = FALSE))

方法2：使用purrr::cross生成组合 #

如果习惯使用tidyverse工具，purrr::cross可以更简洁地生成组合列表：

library(purrr)

# 生成所有合法组合的列表
result_list <- cross(grouped_vars)

# 转换为数据框格式
result_df <- do.call(rbind, lapply(result_list, function(x) data.frame(t(unlist(x)), stringsAsFactors = FALSE)))

效率对比 #

原方案生成的总组合数为choose(12,4)=495，最终仅保留72个有效组合；而新方案直接生成72个有效组合，无需过滤，效率提升显著。当变量数量、分组数量增加时，这种效率差距会进一步放大。

内容的提问来源于stack exchange，提问作者Laas