如何无需重复使用&，对大型矩阵应用which函数筛选行？

我明白你的痛点——每次写一堆&来拼接多列条件确实麻烦，尤其是要频繁更换条件的时候。针对你处理大矩阵的需求，这里有几种简洁的方法，不用重复写&就能快速筛选符合多列条件的行：

方法1：利用rowSums快速判断全行匹配 #

这个方法最简洁，核心思路是先逐元素比较目标向量和矩阵的指定列，再通过rowSums统计每行中匹配的元素数量，等于列数的行就是完全匹配的行：

# 定义你的目标条件向量
target <- c(1, 1, 1, 1, 1, 1)
# 获取符合条件的行索引
match_rows <- which(rowSums(design_matrix[, 1:6] == target) == length(target))
# 提取子集
design_matrix[match_rows, ]

解释：design_matrix[,1:6] == target会生成一个和子矩阵同维度的逻辑矩阵，rowSums会把每行的TRUE（计为1）加起来，当总和等于目标向量的长度时，说明该行所有元素都匹配目标值。

方法2：用apply逐行验证全匹配 #

如果觉得rowSums不够直观，可以用apply逐行检查是否所有元素都匹配目标：

target <- c(1, 1, 1, 1, 1, 1)
match_rows <- which(apply(design_matrix[, 1:6], 1, function(x) all(x == target)))
design_matrix[match_rows, ]

这里apply(..., 1)表示按行处理，all(x == target)确保当前行的所有元素都和目标向量对应位置相等。

方法3：用subset函数动态生成条件 #

如果你偏好subset语法，可以通过动态构造条件表达式来避免手动写&：

target <- c(1, 1, 1, 1, 1, 1)
# 获取指定列的名称（如果矩阵没有列名，会自动生成V1、V2...）
cols <- colnames(design_matrix)[1:6]
# 动态生成每个列的条件表达式
conds <- mapply(function(col, val) bquote(.(as.name(col)) == .(val)), cols, target)
# 用do.call把所有条件用&拼接，传给subset
subset(design_matrix, do.call(`&`, conds))

这个方法的优势是更换条件时只需要修改target向量，不用调整条件拼接的部分。

方法4：进阶用data.table提速（适合超大规模矩阵） #

如果你的矩阵规模特别大（比如2000+行），data.table的操作效率会比基础R更高，语法也更简洁：

library(data.table)
# 把矩阵转成data.table
dt <- as.data.table(design_matrix)
target <- c(1, 1, 1, 1, 1, 1)
# 筛选符合条件的行
dt[Reduce(`&`, lapply(1:6, function(i) dt[[i]] == target[i]))]

Reduce(&, ...)会把所有列的条件逐一用&拼接起来，实现和手动写多个&一样的效果，但无需重复输入。

为什么你之前的写法不对？ #

你尝试的which(design_matrix[,1:6] == c(1,1,1,1,1,1))会返回逐元素匹配的位置，因为R会把目标向量循环补齐后和子矩阵的每个元素比较，得到的是一个2187×6的逻辑矩阵，而不是行级的判断结果。上面的方法都是把每行的逻辑值合并成一个“是否全匹配”的单个逻辑值，从而得到正确的行索引。

内容的提问来源于stack exchange，提问作者dkoehler