如何在R中高效生成向量匹配矩阵及统计列TRUE数量？

输入向量 #

v1 <- c(5, 1, 4, 1, 1)
v2 <- c(1, 2, 4)

期望匹配矩阵 #

1     2     4
5 FALSE FALSE FALSE
1  TRUE FALSE FALSE
4 FALSE FALSE  TRUE
1  TRUE FALSE FALSE
1  TRUE FALSE FALSE

一、生成匹配矩阵的高效方法 #

推荐：使用outer向量化操作

outer是R中专门用于生成外积矩阵的函数，可直接生成元素匹配的逻辑矩阵，完全向量化实现，效率远高于apply类循环操作：

# 生成匹配矩阵
match_matrix <- outer(v1, v2, FUN = "==")
# 设置行列名，与期望输出对齐
rownames(match_matrix) <- v1
colnames(match_matrix) <- v2

用expand.grid实现的方式（供参考）

基于你提到的expand.grid，可通过生成所有元素组合后转矩阵：

# 生成所有元素组合
grid <- expand.grid(v1 = v1, v2 = v2)
# 转换为匹配矩阵
match_matrix <- matrix(grid$v1 == grid$v2, nrow = length(v1), byrow = FALSE)
# 设置行列名
rownames(match_matrix) <- v1
colnames(match_matrix) <- v2

这种方法步骤冗余，效率不如outer。

二、高效统计每列TRUE的数量 #

方法1：直接用colSums（已有矩阵时最优）

逻辑值在R中会自动转换为数值（TRUE=1，FALSE=0），直接用colSums即可快速统计每列TRUE的数量，完全向量化，效率极高：

col_counts <- colSums(match_matrix)
# 输出结果：1对应3，2对应0，4对应1

方法2：无需生成矩阵，直接统计

如果不需要保留匹配矩阵，可直接针对v2的每个元素统计其在v1中的出现次数，避免生成矩阵的内存开销：

# 用sapply结合sum
col_counts <- sapply(v2, function(x) sum(v1 == x))
# 或用table函数（更高效，尤其数据量大时）
col_counts <- table(factor(v1, levels = v2))

关于apply的效率问题 #

apply本质是封装了循环逻辑，R中循环操作的性能远低于向量化实现（比如outer、colSums这类底层用C实现的函数）。如果处理的向量规模较大，apply会明显慢于上述向量化方法，因此不推荐用apply实现该需求。

内容的提问来源于stack exchange，提问作者Julien