R语言：如何高效选取三维数组第二三维元素并保留第一维度转二维？

核心思路 #

通过构造向量化的三维索引矩阵，一次性提取目标元素并重塑为二维矩阵，避免显式循环，最大化处理效率（尤其适合v_2、v_3长度很大的场景）。

步骤与代码示例 #

1. 构造示例数据

先创建符合要求的三维数组及索引向量：

set.seed(123)
n <- 5  # A的第一维度长度
m <- 4  # A的第二维度长度
k <- 3  # A的第三维度长度
l <- 6  # v_2、v_3的长度

A <- array(rnorm(n*m*k), dim = c(n, m, k))
v_2 <- sample(1:m, l, replace = TRUE)  # 第二维度索引
v_3 <- sample(1:k, l, replace = TRUE)  # 第三维度索引

2. 高效转换实现

构造包含所有目标三维坐标的索引矩阵，提取元素后重塑为n×l的矩阵：

# 构造索引矩阵：每一行对应一个三维坐标(i, v_2[j], v_3[j])
idx <- cbind(
  rep(1:n, each = l),       # 重复第一维度索引l次
  rep(v_2, each = n),       # 每个v_2元素对应所有第一维度索引
  rep(v_3, each = n)        # 每个v_3元素对应所有第一维度索引
)

# 提取元素并重塑为目标矩阵
B <- matrix(A[idx], nrow = n, ncol = l)

3. 结果验证

可以通过对比单行元素验证正确性：

# 验证第一行是否等于A[1, v_2, v_3]
all.equal(B[1, ], A[1, v_2, v_3])

效率说明 #

这种方法完全依赖R的向量化底层操作（内部由C实现），避免了for循环或apply类函数的隐性循环开销，在l很大（如十万级以上）时，效率远高于循环实现。

内容的提问来源于stack exchange，提问作者L. Mann