如何在R语言中高效按键子集（id）执行分组笛卡尔积运算

针对你的需求，这里提供两种高效的R语言解决方案，替代循环+expand.grid+rbind的低效方式，适合处理大规模数据：

方法一：使用tidyverse（dplyr+purrr） #

利用分组嵌套和向量化映射操作，避免逐行循环的性能损耗：

library(tidyverse)

# 按ID嵌套val1和val2列表
data1_nest <- data1 %>% 
  group_by(id) %>% 
  nest(val1 = val1)

data2_nest <- data2 %>% 
  group_by(id) %>% 
  nest(val2 = val2)

# 合并后生成每组的笛卡尔积并展开
result <- data1_nest %>% 
  inner_join(data2_nest, by = "id") %>% 
  mutate(comb = map2(val1, val2, expand.grid)) %>% 
  unnest(comb) %>% 
  select(id, val1, val2)

方法二：使用data.table（性能最优） #

data.table的底层实现基于C，处理大规模数据时性能远超基础循环：

library(data.table)

# 转换为data.table格式
setDT(data1)
setDT(data2)

# 按ID执行笛卡尔积连接
result <- data1[data2, on = .(id), allow.cartesian = TRUE][, .(val1, val2), by = id]

原理说明 #

• 循环方案的性能瓶颈在于每次rbind都会复制整个结果集，数据量越大，内存开销和耗时呈指数增长。
• 上述两种方法均采用分组向量化操作，直接在底层批量处理每个ID的组合逻辑，避免了重复的数据复制，大幅提升运行效率。

内容的提问来源于stack exchange，提问作者AdamO