如何编写高效R代码移除含非唯一最大值的行？

需求明确：从数据框中筛选出每行最大值唯一的行，示例数据通过foo <- expand.grid(1:3,1:3,1:3)生成。原代码可行但依赖逐行循环，数据量大时效率低下，以下是更高效的实现方案：

Base R 向量化实现（推荐） #

利用R的向量化内置函数替代循环，底层优化的操作能大幅提升速度：

# 生成示例数据
foo <- expand.grid(1:3, 1:3, 1:3)

# 步骤1：计算每行的最大值
row_max <- apply(foo, 1, max)
# 步骤2：统计每行中等于最大值的元素个数
max_count <- rowSums(foo == row_max)
# 步骤3：筛选出最大值唯一的行
foo_filtered <- foo[max_count == 1, ]

另一种Base R实现（贴合原思路的优化） #

和原代码逻辑一致，但用向量化操作替换循环：

winners <- max.col(foo)
# 提取每行的最大值（通过行列索引匹配）
max_vals <- foo[cbind(seq_len(nrow(foo)), winners)]
# 检查每行最大值是否唯一
is_unique <- rowSums(foo == max_vals) == 1
foo_filtered <- foo[is_unique, ]

其他库实现（dplyr 风格） #

如果习惯tidy语法，可使用dplyr实现，可读性更强：

library(dplyr)

foo_filtered <- foo %>%
  rowwise() %>%
  mutate(
    max_val = max(c_across()),
    max_count = sum(c_across() == max_val)
  ) %>%
  filter(max_count == 1) %>%
  select(-max_val, -max_count)

效率说明 #

原代码的逐行循环在数据量较大时（比如10万行以上）会明显卡顿，而上述向量化方案依赖rowSums、apply这类底层优化函数，执行效率能提升数倍甚至数十倍。

内容的提问来源于stack exchange，提问作者Carl Witthoft