如何基于行列索引与对应值快速构建目标data.frame？

你的示例代码其实已经能得到预期结果，但如果实际数据存在重复的(row,col)索引对，或者需要更通用的高效实现，可以试试以下两种方法：

方法一：基础R线性索引赋值 #

利用矩阵的线性索引规则（行号 + (列号-1)*总行数）直接赋值，这是基础R里最快的方式之一：

# 确定目标数据框的行列数
n_rows <- max(df1$row)
n_cols <- max(df1$col)

# 初始化空矩阵（比直接初始化data.frame更高效）
df2_matrix <- matrix(NA, nrow = n_rows, ncol = n_cols)

# 计算线性索引
linear_idx <- df1$row + (df1$col - 1) * n_rows

# 赋值并转成data.frame
df2_matrix[linear_idx] <- df1$value
df2 <- as.data.frame(df2_matrix)

# 设置列名（可选）
colnames(df2) <- paste0("Column ", 1:n_cols)

方法二：用tidyr包的pivot_wider函数 #

如果习惯tidyverse风格，pivot_wider可以一行完成转换，且内部实现高效，无需循环：

library(tidyr)

df2 <- df1 %>%
  pivot_wider(
    names_from = col,    # 用col列的值作为新列名
    values_from = value, # 用value列的值填充
    names_prefix = "Column " # 给列名加前缀
  )

这两种方法都避免了循环或apply系列函数，处理大数据集时效率优势明显。

内容的提问来源于stack exchange，提问作者flo37