在R语言中如何高效查找与向量匹配的data.frame行？

原始数据定义 #

pattern <- c("apple", "banana")
dat <- data.frame(fruit1 = c("melon", "apple", "mango", "apple"),
                  fruit2 = c("banana", "melon", "papaya", "banana"))

数据框dat的内容：

> dat
  fruit1 fruit2
1  melon banana
2  apple  melon
3  mango papaya
4  apple banana

需求说明 #

找出dat中所有列的元素都属于pattern向量的行，示例中第4行符合要求。

原方法的问题 #

手动遍历每行的循环实现虽然可行，但在数据框行数较多时效率低下：

output <- vector()
for(i in 1:nrow(dat)){
  output[i] <- all(dat[i, ] %in% pattern)
}
> which(output)
[1] 4

高效实现方式 #

推荐使用向量化操作替代手动循环，以下是几种高效方案：

方案1：利用rowSums结合逻辑矩阵

# 生成每个元素是否匹配pattern的逻辑矩阵
match_matrix <- dat %in% pattern
# 筛选出所有列都匹配的行号
result_rows <- which(rowSums(match_matrix) == ncol(dat))
> result_rows
[1] 4

原理：dat %in% pattern会生成与原数据框同维度的逻辑矩阵，rowSums计算每行的匹配数量，当数量等于列数时，说明该行所有元素都在pattern中。

方案2：使用优化后的apply函数

result_rows <- which(apply(dat, 1, function(x) all(x %in% pattern)))
> result_rows
[1] 4

原理：apply(dat, 1, ...)对数据框的每行批量应用判断函数，底层经过优化，效率远高于手动for循环。

方案3：基于交集长度的判断（适用于pattern无重复元素的场景）

result_rows <- which(apply(dat, 1, function(x) length(intersect(x, pattern)) == length(pattern)))
> result_rows
[1] 4

原理：当pattern元素唯一时，若行内元素与pattern的交集长度等于pattern的长度，说明该行所有元素都属于pattern。

内容的提问来源于stack exchange，提问作者Adrian