使用adist计算tibble字符串距离时遇R致命错误，求解决方法

问题根源 #

adist函数默认会计算两个输入向量所有元素两两之间的字符串距离，生成一个n×n的矩阵。当你的tibble有70k行时，这个矩阵会包含4.9亿个元素，直接超出内存承载上限，导致R崩溃。你实际需要的是逐行计算对应位置两个字符串的距离，而非全量两两对比。

解决方案 #

方法1：用Vectorize包装adist实现逐元素计算

# 将adist包装为逐元素执行的函数
adist_vec <- Vectorize(function(x, y) adist(x, y)[1,1])

# 逐行计算对应位置的字符串距离
my_tibble <- my_tibble %>%
  mutate(dist = adist_vec(column1, column2))

方法2：用purrr::map2逐行处理（tidy风格）

如果已加载tidyverse，用map2更符合tidy操作习惯：

library(purrr)

my_tibble <- my_tibble %>%
  mutate(dist = map2_dbl(column1, column2, ~adist(.x, .y)[1,1]))

方法3：直接循环处理（无额外包依赖）

# 预先分配向量提升计算效率
dist_vec <- numeric(nrow(my_tibble))

for(i in seq_len(nrow(my_tibble))){
  dist_vec[i] <- adist(my_tibble$column1[i], my_tibble$column2[i])[1,1]
}

my_tibble$dist <- dist_vec

额外提示 #

• 若你确实需要全量两两距离矩阵，70k行的规模在硬件层面几乎无法支撑，建议考虑抽样或降维处理。
• 可通过adist的cost参数调整编辑距离的权重（插入、删除、替换的成本），适配具体业务需求。

内容的提问来源于stack exchange，提问作者Máté Juhász