如何在R语言中高效筛选差值大于1的数字对？

针对你的需求，无需先生成全量组合再筛选，这里提供几种更高效的实现方式，避免不必要的内存占用和计算：

方法1：基于向量化筛选（通用场景，适用于任意数字序列） #

直接对序列中的每个元素，筛选出所有满足Var1 - Var2 > 1的配对，仅生成符合条件的结果：

x <- 2010:2020
# 遍历每个元素，找到所有比它大1以上的元素并配对
pairs_list <- lapply(x, function(y) {
  valid_vars <- x[x > y + 1]
  if (length(valid_vars) > 0) {
    data.frame(Var1 = valid_vars, Var2 = y)
  }
})
# 合并所有结果
final <- do.call(rbind, pairs_list)

方法2：利用outer矩阵提取索引（内存更高效） #

通过outer生成逻辑矩阵标记符合条件的位置，再直接提取对应数值对，避免生成全量数据框：

x <- 2010:2020
# 创建逻辑矩阵，标记Var1 - Var2 > 1的位置
condition_mat <- outer(x, x, function(a, b) a - b > 1)
# 提取符合条件的行列索引
valid_indices <- which(condition_mat, arr.ind = TRUE)
# 转换为对应的数值对
final <- data.frame(Var1 = x[valid_indices[, 1]], Var2 = x[valid_indices[, 2]])

方法3：针对有序序列的极致优化（你的场景专属） #

如果你的数字序列是严格递增有序的（比如示例中的2010到2020），可以直接利用索引切片，跳过不必要的比较：

x <- 2010:2020
n <- length(x)
# 对每个元素，直接取它后面第2个及之后的元素配对
pairs_list <- lapply(1:(n-2), function(i) {
  data.frame(Var1 = x[(i+2):n], Var2 = x[i])
})
final <- do.call(rbind, pairs_list)

效率说明 #

原方法通过expand.grid生成n²行的全量组合，当序列长度n较大时（比如上万级），内存占用会呈平方级增长，且后续筛选也会消耗大量计算资源。上面的方法仅生成符合条件的配对，结果行数远小于n²，内存和计算效率都会大幅提升。

内容的提问来源于stack exchange，提问作者stats_noob