如何为R语言数据框的每行高效添加含多值的新列？

方法1：tidyverse工具（简洁推荐） #

利用dplyr的行分组结合tidyr::expand_grid，直接让原数据每行与新列组合做笛卡尔积，代码简洁高效：

library(tidyverse)

# 原数据框
df <- data.frame(
  col1 = c(1,2,3),
  col2 = c('A','F','Z'),
  col3 = c('R', 'E', 'P')
)

# 生成目标数据框
df2 <- df %>%
  rowwise() %>%
  expand_grid(
    col4 = c('Total', 'Average'),
    col5 = c('ZZ', 'BB')
  ) %>%
  ungroup()

方法2：Base R 原生实现 #

无需加载第三方包，通过expand.grid生成新列组合，再结合rep重复原数据行后拼接：

# 原数据框
df <- data.frame(
  col1 = c(1,2,3),
  col2 = c('A','F','Z'),
  col3 = c('R', 'E', 'P')
)

# 创建新列的所有组合
new_cols <- expand.grid(col4 = c('Total', 'Average'), col5 = c('ZZ', 'BB'), stringsAsFactors = FALSE)
# 重复原数据行并拼接新列
df2 <- cbind(df[rep(seq(nrow(df)), each = nrow(new_cols)), ], new_cols[rep(seq(nrow(new_cols)), nrow(df)), ])

方法3：data.table（大数据场景首选） #

针对超大数据集，data.table的分组扩展性能更出色：

library(data.table)

# 原数据框转为data.table
df <- data.frame(
  col1 = c(1,2,3),
  col2 = c('A','F','Z'),
  col3 = c('R', 'E', 'P')
)
setDT(df)

# 生成目标数据框
df2 <- df[, .(col4 = c('Total', 'Average'), col5 = c('ZZ', 'BB')), by = .(col1, col2, col3)]

以上三种方法都能替代“复制两次再合并”的冗余操作，其中tidyverse方法最易读，data.table方法在大数据下效率最高，Base R方法无需额外依赖，可根据需求选择。

内容的提问来源于stack exchange，提问作者karuno