如何在R中基于向量为数据框的每行选择不同列

我有一个4列的数据框，需要为每行提取其中2列（每行选择的列不同）。

示例数据 #

repro = structure(list(c1 = c(0L, 0L, 1L, 1L, 0L, 1L), c2 = c(1L, 1L, 
0L, 0L, 1L, 1L), c1 = c(0L, 1L, 1L, 0L, 1L, 0L), c2 = c(0L, 1L, 
1L, 1L, 1L, 0L)), row.names = c(86L, 59L, 58L, 79L, 70L, 83L), 
class = "data.frame")

head(repro)
#    c1 c2 c1 c2
# 86  0  1  0  0
# 59  0  1  1  1
# 58  1  0  1  1
# 79  1  0  0  1
# 70  0  1  1  1
# 83  1  1  0  0

列选择向量 #

用于指定每行要选择的两列的索引：

col.sel1 = c(2, 1, 2, 2, 2, 2)
col.sel2 = c(4, 3, 3, 4, 3, 3)

低效的循环方法 #

我用循环实现了需求，但原始数据有数千行，运行速度极慢：

# 创建结果表
offspring = NULL
for (i in 1:nrow(repro)) {
  offs = cbind(c3 = repro[i, col.sel1[i]], 
               c4 = repro[i, col.sel2[i]])
  offspring = rbind(offspring, offs)
}

head(offspring)
#      c3 c4
# [1,]  1  0
# [2,]  0  1
# [3,]  0  1
# [4,]  0  1
# [5,]  1  1
# [6,]  1  0

问题 #

有没有更快的方法，基于col.sel1和col.sel2这两个向量为每行选择不同的列？

我试过以下代码，但没得到预期结果：

rp[1:6, cs1]
lapply(cs1, function(x) rp[,x])

高效解决方案 #

方法1：矩阵索引（基础R最快实现）

直接通过行号+列号组成的索引矩阵提取元素，这是基础R中性能最优的写法：

# 构造每行对应的索引对
idx1 = cbind(1:nrow(repro), col.sel1)
idx2 = cbind(1:nrow(repro), col.sel2)

# 提取元素并组合成数据框
offspring = data.frame(
  c3 = repro[idx1],
  c4 = repro[idx2]
)

head(offspring)
#   c3 c4
# 1  1  0
# 2  0  1
# 3  0  1
# 4  0  1
# 5  1  1
# 6  1  0

方法2：tidyverse风格实现

如果习惯使用dplyr，可以结合rowwise()和pick()实现：

library(dplyr)

offspring = repro %>%
  rowwise() %>%
  mutate(
    c3 = pick(all_of(col.sel1[[cur_row()]])),
    c4 = pick(all_of(col.sel2[[cur_row()]]))
  ) %>%
  ungroup() %>%
  select(c3, c4)

head(offspring)
# # A tibble: 6 × 2
#     c3    c4
#   <int> <int>
# 1     1     0
# 2     0     1
# 3     0     1
# 4     0     1
# 5     1     1
# 6     1     0

方法3：向量化mapply操作

利用mapply逐行匹配行号和列号提取元素：

offspring = data.frame(
  c3 = mapply(function(row, col) repro[row, col], 1:nrow(repro), col.sel1),
  c4 = mapply(function(row, col) repro[row, col], 1:nrow(repro), col.sel2)
)

head(offspring)
#   c3 c4
# 1  1  0
# 2  0  1
# 3  0  1
# 4  0  1
# 5  1  1
# 6  1  0

内容的提问来源于stack exchange，提问作者M. Beausoleil