如何在R语言的for循环中实现所有行的两两组合遍历？

1. 创建示例数据框 #

先构造一个测试用的数据框，方便后续演示：

df <- data.frame(
  x = c(1, 3, 5, 7),
  y = c(2, 4, 6, 8),
  group = c("A", "B", "C", "D")
)

2. 基于combn的for循环正确实现 #

你用combn生成行对索引的思路是对的，以下是正确的循环写法：

# 生成所有不重复的行对索引（每列对应一对行的索引）
row_pairs <- combn(nrow(df), 2)

# 初始化空列表存储每对行的计算结果
result_list <- list()

# 遍历每一对行
for (i in seq(ncol(row_pairs))) {
  # 获取当前行对的两个索引
  idx1 <- row_pairs[1, i]
  idx2 <- row_pairs[2, i]
  
  # 提取对应的行数据
  row1 <- df[idx1, ]
  row2 <- df[idx2, ]
  
  # 这里写入你的多行计算逻辑，示例为计算差值和分组组合
  diff_x <- row1$x - row2$x
  diff_y <- row1$y - row2$y
  group_pair <- paste(row1$group, row2$group, sep = "-")
  
  # 将结果整理为数据框行
  result_row <- data.frame(
    row1_idx = idx1,
    row2_idx = idx2,
    group_pair = group_pair,
    diff_x = diff_x,
    diff_y = diff_y
  )
  
  # 加入结果列表
  result_list[[i]] <- result_row
}

# 合并所有结果为最终的locations格式数据框
final_result <- do.call(rbind, result_list)

3. 更高效的combn+自定义函数写法 #

不需要手动写for循环，直接用combn的FUN参数传入自定义处理函数，适配多行计算逻辑：

# 定义处理单对行的函数
process_row_pair <- function(idx) {
  row1 <- df[idx[1], ]
  row2 <- df[idx[2], ]
  
  # 多行计算逻辑，可根据需求修改
  diff_x <- row1$x - row2$x
  diff_y <- row1$y - row2$y
  group_pair <- paste(row1$group, row2$group, sep = "-")
  
  # 返回结构化结果
  data.frame(
    row1_idx = idx[1],
    row2_idx = idx[2],
    group_pair = group_pair,
    diff_x = diff_x,
    diff_y = diff_y
  )
}

# 一次性生成所有行对的结果
final_result <- combn(nrow(df), 2, FUN = process_row_pair, simplify = FALSE) %>% 
  do.call(rbind, .)

4. tidyverse风格实现（dplyr） #

如果熟悉tidyverse语法，这种写法更直观，适合大数据量处理：

library(dplyr)

# 生成所有不重复的行对索引组合
row_pairs <- expand.grid(row1 = 1:nrow(df), row2 = 1:nrow(df)) %>% 
  filter(row1 < row2)  # 避免重复计算（如row1=1&row2=2和row1=2&row2=1）

# 合并数据并执行计算
final_result <- row_pairs %>% 
  left_join(df, by = c("row1" = "row.names")) %>% 
  rename_with(~paste0(., "_row1"), -row1, -row2) %>% 
  left_join(df, by = c("row2" = "row.names")) %>% 
  rename_with(~paste0(., "_row2"), -row1, -row2) %>% 
  mutate(
    group_pair = paste(group_row1, group_row2, sep = "-"),
    diff_x = x_row1 - x_row2,
    diff_y = y_row1 - y_row2
  ) %>% 
  select(row1, row2, group_pair, diff_x, diff_y)

以上三种方式都能生成你需要的locations格式结果，其中第二种和第三种效率更高，适合行数量大的数据集。

内容的提问来源于stack exchange，提问作者simpson