在R中高效过滤满足多组合条件的数据框行

我有一个大型DataFrame，包含id列以及x1至x10共10个二元分类变量（取值为0代表FALSE，1代表TRUE）。示例数据如下：

id | x1 | x2 | x3 |...| x10 |
---|----|----|----|---|-----|
1  | 1  | 0  | 0  |   | 1   |
2  | 0  | 1  | 1  |   | 0   |

需要基于以下三个条件过滤数据，要求无需枚举所有条件组合，实现高效处理：

1. x1、x2、x3两两互斥（每行中这三列的和只能是0或1）；
2. 若x1/x2/x3任意一列为1，则x4、x5必须全为0；同时x4与x5本身也需两两互斥（和为0或1）；
3. 若x1/x2/x3/x4任意一列为1，则x7、x8必须全为0。

请问有没有更高效的实现方式？

高效实现方案 #

利用R的向量化运算（避免逐行循环），通过行级求和与逻辑判断组合来实现所有条件，代码简洁且性能优异：

方法1：Base R 实现

# 假设数据框名为df
# 定义各条件的逻辑向量
cond1 <- rowSums(df[, c("x1", "x2", "x3")]) %in% c(0, 1)
cond2 <- ifelse(rowSums(df[, c("x1", "x2", "x3")]) >= 1, 
                rowSums(df[, c("x4", "x5")]) == 0, 
                rowSums(df[, c("x4", "x5")]) %in% c(0, 1))
cond3 <- ifelse(rowSums(df[, c("x1", "x2", "x3", "x4")]) >= 1, 
                rowSums(df[, c("x7", "x8")]) == 0, 
                TRUE)  # 不满足前置条件时，该条件自动成立

# 过滤数据
clean_df <- df[cond1 & cond2 & cond3, ]

方法2：dplyr 实现（管道式语法更直观）

library(dplyr)

clean_df <- df %>%
  mutate(
    # 计算各组行和
    sum_x1x2x3 = rowSums(pick(x1:x3)),
    sum_x4x5 = rowSums(pick(x4:x5)),
    sum_x1x2x3x4 = rowSums(pick(x1:x4)),
    sum_x7x8 = rowSums(pick(x7:x8)),
    # 定义各条件
    cond1 = sum_x1x2x3 %in% c(0, 1),
    cond2 = case_when(
      sum_x1x2x3 >= 1 ~ sum_x4x5 == 0,
      TRUE ~ sum_x4x5 %in% c(0, 1)
    ),
    cond3 = case_when(
      sum_x1x2x3x4 >= 1 ~ sum_x7x8 == 0,
      TRUE ~ TRUE
    )
  ) %>%
  filter(cond1 & cond2 & cond3) %>%
  # 移除临时计算列
  select(-starts_with("sum_"), -starts_with("cond_"))

方案优势 #

• 无枚举组合：通过行和替代逐列逻辑判断，避免了繁琐的多列条件枚举；
• 向量化运算：rowSums和逻辑向量操作都是R底层优化的高效操作，处理大型DataFrame时远快于逐行循环；
• 可读性强：分组求和的方式把业务条件转化为清晰的数值判断，便于后续维护和修改。

内容的提问来源于stack exchange，提问作者tiqtoq