在R语言中，基于外部向量创建新行的哪种方法更快？

当我们需要复制行以适配长度大于1的外部向量时，典型场景是引入新日期维度，或是让每个日期对应不同个体。比如要为iris数据集生成每月测量数据，有两种等效实现方式：

方法1：使用tidyr::expand #

group_and_tidyr_expand <- function(df){
  df %>% 
    group_by(pick(everything())) %>% 
    tidyr::expand(date = seq.Date(from = as.Date("2022-01-01"), to = as.Date("2023-01-01"), by = "1 month")) %>% 
    ungroup()
}

方法2：使用dplyr::reframe #

group_and_reframe <- function(df){
  df %>% 
    group_by(pick(everything())) %>% 
    reframe(date = seq.Date(from = as.Date("2022-01-01"), to = as.Date("2023-01-01"), by = "1 month"))
}

注：reframe无需额外调用ungroup()，因为它默认会对输出取消分组。

速度对比结论 #

通过microbenchmark包的重复测试（以iris数据集为例，重复100次），dplyr::reframe的执行速度明显快于tidyr::expand。

原因在于：reframe是dplyr专为分组后多行输出场景设计的优化函数，内部实现逻辑更精简；而expand需要先构建扩展数据框架再处理分组关联，加上额外的ungroup()步骤，整体流程的冗余操作更多，导致效率稍低。

测试代码参考：

library(microbenchmark)
library(dplyr)
library(tidyr)

# 执行测试
benchmark_result <- microbenchmark(
  expand_method = group_and_tidyr_expand(iris),
  reframe_method = group_and_reframe(iris),
  times = 100
)

print(benchmark_result)

内容的提问来源于stack exchange，提问作者Alberto Agudo Dominguez