如何在R中高效实现多列同规则合并（优先data.table方案）

问题背景 #

我需要重复执行合并操作，每次用表A的同一列匹配表B的不同列，当前循环调用data.table::merge的方式速度太慢，想找更高效的实现方法。

示例场景：

• 水果表fruits（表A）：含fruit_name和price列，存储水果名称与对应价格
• 篮子表baskets（表B）：含fruit_1、fruit_2、fruit_3列，每行代表一个篮子里的三种水果
  需求是计算每个篮子的水果总价，目前通过三次合并实现，但耗时较长。

我常用data.table，优先考虑基于该工具的方案，也接受比三次合并更快的其他方案。我了解可转长格式后单次合并，但数据本身适配宽格式，优先避免转换；若为最佳实践也可参考。

补充说明：最终选中的方案在我的场景下无限制且速度极快，获赞的转长格式方案初始melt步骤耗时更长，追求速度选前者，前者不适用时再选后者。

现有实现代码：

library(data.table)

fruits <- data.table(fruit_name = c('orange', 'apple', 'pear', 'kiwi', 'blueberry')
                     , price = c(1, 1.531, 2.1, 2.25, 3.03)
                     )

baskets <- data.table(fruit_1 = c('orange', 'apple', 'apple', 'pear')
                      ,fruit_2 = c('apple', 'pear', 'kiwi', 'kiwi')
                      ,fruit_3 = c('pear', 'kiwi', 'blueberry', 'blueberry'))

result <- copy(baskets)

result <- merge(result, fruits, by.x = 'fruit_1', by.y = 'fruit_name')
setnames(result, 'price', 'price_1')

result <- merge(result, fruits, by.x = 'fruit_2', by.y = 'fruit_name')
setnames(result, 'price', 'price_2')

result <- merge(result, fruits, by.x = 'fruit_3', by.y = 'fruit_name')
setnames(result, 'price', 'price_3')

result[,price_total := price_1 + price_2 + price_3]

方案1：直接映射赋值（无格式转换，速度最优） #

利用data.table的快速匹配特性，先将价格表转成命名向量，直接对每列进行价格映射，完全避免合并操作：

library(data.table)

# 构建水果-价格的命名向量
price_map <- setNames(fruits$price, fruits$fruit_name)

# 复制原篮子表
result <- copy(baskets)

# 直接为每列映射价格
result[, `:=`(
  price_1 = price_map[fruit_1],
  price_2 = price_map[fruit_2],
  price_3 = price_map[fruit_3]
)]

# 计算总价
result[, price_total := price_1 + price_2 + price_3]

优势 #

• 无合并、无格式转换，速度远快于多次merge
• 保留原宽格式结构，完全适配现有数据场景
• 代码简洁，省去多次合并和重命名的繁琐步骤

方案2：转长格式单次合并（兼容性强，通用场景） #

如果水果列数量不固定，或需要更通用的处理逻辑，可先转长格式完成单次合并，再转回宽格式计算总价：

library(data.table)

# 将宽格式转长格式
baskets_long <- melt(baskets, measure.vars = patterns("^fruit_"), 
                     variable.name = "fruit_num", value.name = "fruit_name")

# 单次合并匹配价格
baskets_long <- merge(baskets_long, fruits, by = "fruit_name")

# 转回宽格式
result <- dcast(baskets_long, . ~ fruit_num, value.var = c("fruit_name", "price"))

# 计算总价并调整列名/顺序
result[, price_total := price_fruit_1 + price_fruit_2 + price_fruit_3]
setnames(result, c(".", "fruit_name_fruit_1", "fruit_name_fruit_2", "fruit_name_fruit_3", 
                   "price_fruit_1", "price_fruit_2", "price_fruit_3"), 
         c("row_id", "fruit_1", "fruit_2", "fruit_3", "price_1", "price_2", "price_3"))
result <- result[, .(fruit_1, fruit_2, fruit_3, price_1, price_2, price_3, price_total)]

说明 #

• 适合列数不固定的场景，无需硬编码每一列
• 但melt和dcast步骤会产生额外耗时，数据量极大时速度不如方案1

内容的提问来源于stack exchange，提问作者Sam Asin