R语言：条件替换向量元素并生成全部可能组合的技术问询

我有一个包含S、E、F三种字母的向量testCol_1，需要给每个字母统一分配0或1——同一字母必须全部替换成同一个数字，要找出所有可能的替换组合（一共8种，因为3个字母各有2种选择）。

可复现的示例代码：

test <- expand.grid(rep(list(c("S","E","F")),4))
testCol_1 <- test$Var1

我的基础实现代码如下，感觉还有优化空间：

# 转换为整数
testCol_1 <- as.integer(testCol_1)
# 先生成所有组合
temp.combo <- expand.grid(rep(list(0:1),3))
test.final.result <- list()
for (i in 1:nrow(temp.combo)){
  testSol <- replace(testCol_1, testCol_1 == 1,temp.combo[i,1])
  testSol <- replace(testSol, testSol == 2,temp.combo[i,2])
  testSol <- replace(testSol, testSol == 3,temp.combo[i,3])
  test.final.result[[i]] <- testSol
}

1. 基于映射表的函数式实现（推荐） #

利用purrr遍历所有替换组合，通过命名向量做映射，代码简洁且适配任意数量的字母：

library(purrr)

# 获取向量中的唯一字母
unique_chars <- unique(testCol_1)
# 生成所有可能的0/1替换组合（每行对应一种字母到数字的映射）
all_mappings <- expand.grid(rep(list(0:1), length(unique_chars)))

# 遍历每个映射规则，生成替换后的向量
test.final.result <- map(seq(nrow(all_mappings)), function(idx) {
  # 创建字母到数字的映射表
  char_to_num <- setNames(as.numeric(all_mappings[idx, ]), unique_chars)
  # 直接通过映射表完成替换
  as.numeric(char_to_num[testCol_1])
})

2. 向量化批量替换（高效） #

用矩阵广播实现批量替换，避免显式循环，处理大向量时效率更高：

# 将原向量转为8行的矩阵（每行对应一种替换组合的基础向量）
base_mat <- matrix(testCol_1, nrow = 8, ncol = length(testCol_1), byrow = TRUE)
# 生成所有替换规则的矩阵
mapping_mat <- expand.grid(rep(list(0:1), 3))
# 按字母逐一替换
for (char_idx in 1:3) {
  target_char <- unique(testCol_1)[char_idx]
  base_mat[base_mat == target_char] <- mapping_mat[, char_idx]
}
# 转换为列表格式，和原结果结构一致
test.final.result <- split(base_mat, row(base_mat))

3. tidyverse风格的条件替换 #

如果习惯用dplyr的语法，可以用case_when定义替换规则：

library(dplyr)
library(purrr)

unique_chars <- unique(testCol_1)
all_mappings <- expand.grid(rep(list(0:1), length(unique_chars)))

test.final.result <- map(seq(nrow(all_mappings)), function(idx) {
  case_when(
    testCol_1 == "S" ~ all_mappings[idx, 1],
    testCol_1 == "E" ~ all_mappings[idx, 2],
    testCol_1 == "F" ~ all_mappings[idx, 3]
  )
})

• 原实现需要手动把字母转成整数，还要多次调用replace，如果后续字母数量变化，得手动修改代码，扩展性差。
• 优化后的方案都能自动适配字母数量，比如如果向量里新增其他字母，代码无需额外修改；同时利用向量化或函数式编程，代码更简洁，可读性和维护性更强。

内容的提问来源于stack exchange，提问作者Rel_Ai