如何在R中高效查找向量在查找表中的所有重复匹配索引？

R基础函数无法满足「返回x中每个元素在table里的所有匹配索引」的需求：

• which(table %in% x)仅返回table中匹配x的唯一索引，忽略x内的重复元素；
• match(x, table)仅返回x中每个元素在table里的首个匹配索引，无法获取全部匹配位置。

以下是几种高效实现方案，无需低效循环：

方案1：用data.table快速连接（推荐大数据场景） #

data.table的连接操作经过高度优化，处理百万级以上数据时性能远超循环：

library(data.table)

# 示例数据
x <- c(2, 1, 2)
table_vec <- c(1, 2, 3, 2)

# 生成带索引的table数据表
dt_table <- data.table(val = table_vec, idx = seq_along(table_vec))
# 生成带原始位置的x数据表
dt_x <- data.table(val = x, x_pos = seq_along(x))

# 内连接获取所有匹配，按x的原始顺序整理
result <- dt_x[dt_table, on = "val", allow.cartesian = TRUE][, .(x_pos, idx)]
setorder(result, x_pos)
print(result)

输出结果：

x_pos idx
1:     1   2
2:     1   4
3:     2   1
4:     3   2
5:     3   4

方案2：用tidyverse工具链（适合熟悉dplyr的用户） #

通过dplyr的连接语法实现，代码直观易读：

library(dplyr)
library(tibble)

x <- c(2, 1, 2)
table_vec <- c(1, 2, 3, 2)

table_tbl <- tibble(val = table_vec, idx = seq_along(table_vec))
x_tbl <- tibble(val = x, x_pos = seq_along(x))

result <- x_tbl %>%
  inner_join(table_tbl, by = "val") %>%
  arrange(x_pos)

print(result)

方案3：基础R向量化实现（无需第三方包） #

利用split做分组索引映射，完全基于基础R函数，性能优于循环：

x <- c(2, 1, 2)
table_vec <- c(1, 2, 3, 2)

# 建立table值到对应索引列表的映射
table_idx_map <- split(seq_along(table_vec), table_vec)
# 遍历x获取每个元素的所有匹配索引
result_list <- lapply(x, function(val) table_idx_map[[as.character(val)]])

# 整理为数据框格式（可选）
result_df <- data.frame(
  x_pos = rep(seq_along(x), sapply(result_list, length)),
  idx = unlist(result_list)
)
print(result_df)

是否需要RCpp？ #

如果以上方法仍无法满足**超大规模数据（亿级条目）**的性能需求，可考虑RCpp实现。C++原生循环的速度远快于R循环，以下是简单示例：

#include <Rcpp.h>
using namespace Rcpp;

// [[Rcpp::export]]
List my_match_cpp(CharacterVector x, CharacterVector table) {
  std::unordered_map<std::string, std::vector<int>> idx_map;
  int n_table = table.size();
  for (int i = 0; i < n_table; ++i) {
    idx_map[as<std::string>(table[i])].push_back(i + 1); // 转换为R的1-based索引
  }
  
  List result(x.size());
  int n_x = x.size();
  for (int i = 0; i < n_x; ++i) {
    auto it = idx_map.find(as<std::string>(x[i]));
    if (it != idx_map.end()) {
      result[i] = wrap(it->second);
    } else {
      result[i] = IntegerVector(); // 无匹配返回空向量
    }
  }
  
  return result;
}

在R中编译调用后，可获得极致性能。

内容的提问来源于stack exchange，提问作者dww