R语言如何无循环实现基于列名的间接索引计算列R？

需求说明 #

现有包含A、B、C、D四列数值列，以及存储目标列名的NC列的DataFrame，需要生成列R：每行R的值为该行NC列指定列对应的该行数值。示例如下：

示例数据生成代码：

set.seed(1)
example <- data.frame(U = seq(10))
example %>%  
  mutate(A = sample(10,10,replace = TRUE), 
         B = sample(10,10,replace = TRUE), 
         C = sample(10,10,replace = TRUE), 
         D= sample(10,10,replace = TRUE),
         NC = sample(c("A","B","C","D"),10,replace = TRUE)) %>% 
  select(A,B,C,D, NC) -> example 

原有for循环实现（性能存在瓶颈）：

for(i in 1:dim(example)[1]) { example$R[i] <- example[[example$NC[i]]][i] }

无循环高效实现方案 #

方案1：Base R矩阵索引法（轻量高效） #

利用矩阵索引直接定位取值，是Base R中性能最优的方法之一：

example$R <- example[cbind(seq_len(nrow(example)), match(example$NC, colnames(example)))]

• match(example$NC, colnames(example))：将NC列的列名转换为对应的列索引
• cbind：把行索引和列索引组合成矩阵，直接提取对应位置的数值

方案2：dplyr行操作法（tidy风格） #

用dplyr的行操作函数实现，符合tidyverse语法习惯：

library(dplyr)

example <- example %>%
  rowwise() %>%
  mutate(R = pick(all_of(NC)) %>% pull()) %>%
  ungroup()

• rowwise()：让后续操作按行执行
• pick(all_of(NC))：选中当前行NC指定的列
• pull()：提取选中列的数值

方案3：purrr遍历法（简洁直观） #

借助purrr的映射函数替代循环，代码更简洁：

library(purrr)

example$R <- map2_dbl(seq_len(nrow(example)), example$NC, ~ example[[.y]][.x])

• map2_dbl：同时遍历行索引和NC列的列名，逐个提取对应值并返回数值向量

方案4：data.table大数据最优解 #

如果处理超大数据集，data.table的性能优势显著：

library(data.table)

setDT(example)
example[, R := .SD[[NC]], by = .I]

• setDT(example)：将DataFrame转换为data.table格式
• by = .I：按行分组，.SD代表当前行的数据集，直接提取NC指定列的值

内容的提问来源于stack exchange，提问作者olivier