如何高效基于tibble_a的变量名提取tibble_b指定行对应值？

我有两个tibble，tibble_a的每个取值都是tibble_b的列名，需要快速提取tibble_b指定行中、与tibble_a每行各列名对应的数值。但tibble_a行数多达数十万，当前用嵌套循环的方式效率极低，想找高效的实现方法。

现有数据结构：

# 记录每个case对应的tibble_b列名
tibble_a <- tribble(
        ~a, ~b, ~c,
         4,  2,  5,
         4,  3,  1,
         2,  5,  5
        )
# 存储不同变量对应的值
tibble_b <- tribble(
        ~`1`, ~`2`, ~`3`, ~`4`, ~`5`,
         100,  112,   98,  107,   85,
          71,   76,   97,   80,   15,
           2,   61,   54,   37,   42
         )

目标生成结果：

高效实现方法 #

方法1：向量化索引（最快，适合大行数） #

直接利用R的向量化特性，把目标行转成命名向量后批量索引，完全避免循环，效率最高：

library(tibble)

# 提取tibble_b的目标行（这里选第一行，可自行修改行号）
target_row <- pull(tibble_b, 1)
names(target_row) <- colnames(tibble_b)

# 批量替换tibble_a的所有值
result <- tibble(apply(tibble_a, 2, function(col) target_row[as.character(col)]))

方法2：tidyverse重塑法（直观易读） #

如果习惯tidyverse语法，用数据重塑的方式实现，内部同样是向量化操作，效率远高于循环：

library(dplyr)
library(tidyr)

# 将tibble_b的目标行转成长格式用于匹配
target_tbl <- tibble_b %>%
  slice(1) %>%  # 选择目标行
  pivot_longer(everything(), names_to = "col_name", values_to = "value")

# 重塑tibble_a，匹配值后再转回宽格式
result <- tibble_a %>%
  mutate(row_id = row_number()) %>%
  pivot_longer(-row_id, names_to = "col", values_to = "col_name") %>%
  mutate(col_name = as.character(col_name)) %>%
  left_join(target_tbl, by = "col_name") %>%
  select(row_id, col, value) %>%
  pivot_wider(names_from = col, values_from = value) %>%
  select(-row_id)

方法3：data.table极致高效法（超大数据量首选） #

如果数据量达到百万级，data.table的操作速度会更有优势：

library(data.table)

# 转换为data.table对象
dt_a <- as.data.table(tibble_a)
dt_b <- as.data.table(tibble_b)

# 提取目标行的命名向量
target_vec <- unlist(dt_b[1, ])
names(target_vec) <- colnames(dt_b)

# 批量替换
result <- dt_a[, lapply(.SD, function(col) target_vec[as.character(col)])]
# 可选：转回tibble格式
result <- as_tibble(result)

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