如何定义可在R语言apply()中使用的函数以高效提取指定列值？

处理1000万行数据时，for循环慢是因为R的循环本身开销大，而向量化操作才是R处理大规模数据的正确姿势，比apply系列还要高效得多。

最优方案：直接向量化索引 #

不需要用apply，直接用行列向量组合的索引就能一次性提取所有值：

# 生成每行对应的(行号, 目标列号)矩阵，直接索引
value <- data[cbind(seq_len(nrow(data)), data[, 300])]

这个操作是完全向量化的，底层用C实现，处理1000万行数据的速度会比循环快几十甚至上百倍。

如果你一定要用apply的方案（不推荐大规模数据） #

如果坚持要用apply，可以定义逐行处理的函数，但要注意这个方法在1000万行下依然会很慢——因为apply本质还是逐行循环：

value <- apply(data, 1, function(row) {
  row[row[300]]
})

额外优化建议 #

如果你的data是数据框，先转成矩阵再操作会更快：

data_mat <- as.matrix(data)
value <- data_mat[cbind(seq_len(nrow(data_mat)), data_mat[, 300])]

内容的提问来源于stack exchange，提问作者Matilda Johnson