R语言矩阵循环下标越界问题及重复行统计需求

1. 循环索引越界的原因 #

你的代码存在运算符优先级问题：

• 1:nrow(temp)-1 会先执行 1:nrow(temp)，再对每个元素减1，导致j的取值范围是0到99（当m=100时），本身就会出现j=0时索引无效的问题。
• 更关键的是j+1:nrow(temp)，R中:的优先级高于+，所以这个表达式等价于j + (1:nrow(temp))，而非你预期的(j+1):nrow(temp)。当j=1时，计算结果是2到101，自然会出现i=101超出矩阵行数的错误。

修正后的循环代码 #

给索引表达式加上括号，明确优先级：

for(j in 1:(nrow(temp)-1)){
  for(i in (j+1):nrow(temp)){
    if(identical(temp[j,2:23], temp[i,2:23])){
      # 执行你的操作
    }
  }
}

2. 统计唯一行重复次数的简便方法 #

嵌套循环效率极低（尤其是数据量较大时），推荐以下更高效的实现方式：

方法1：Base R 实现 #

将矩阵目标列转为数据框，利用内置函数统计：

# 提取第2-23列转为数据框
temp_sub <- as.data.frame(temp[, 2:23])
# 统计每个唯一行的出现次数
counts <- table(do.call(paste, temp_sub))
# 转为易读的数据框格式（可选）
count_df <- as.data.frame(counts, stringsAsFactors = FALSE)
colnames(count_df) <- c("RowContent", "Frequency")

也可以用duplicated标记重复项后统计：

temp_sub <- as.data.frame(temp[, 2:23])
# 获取所有唯一行
unique_rows <- unique(temp_sub)
# 为每个唯一行计算出现次数
unique_rows$Frequency <- sapply(1:nrow(unique_rows), function(k) {
  sum(temp_sub == unique_rows[k, , drop = FALSE]) / ncol(temp_sub)
})

方法2：dplyr 包实现（语法更直观） #

library(dplyr)
temp_sub <- as.data.frame(temp[, 2:23])
count_df <- temp_sub %>%
  group_by_all() %>%
  summarise(Frequency = n(), .groups = "drop")

方法3：data.table 包实现（大数据场景下效率最优） #

library(data.table)
temp_sub <- as.data.table(temp[, 2:23])
count_df <- temp_sub[, .(Frequency = .N), by = names(temp_sub)]

内容的提问来源于stack exchange，提问作者Cnine