R语言：如何高效统计DataFrame每行匹配指定模式的次数？

你的痛点我太懂了——嵌套循环在小数据集上能用，但碰到全量数据时，速度慢到让人崩溃。别担心，我们可以用R的向量化特性和tidyverse工具来彻底解决这个问题，下面给你几个实用的优化方案：

方案1：dplyr + rowSums（最简洁高效，首推！） #

这个方法利用向量化判断，一行代码就能搞定，性能拉满：

library(dplyr)

# 先定义你的模式和示例数据
patterns <- c("Yes", "No", "Maybe")
df <- tibble(
  col1 = c("Yes", "Hello", "Maybe"),
  col2 = c("No", "World", "Hi"),
  col3 = c("Hi", "Hey", "Yes")
)

# 新增counter列，统计每行匹配次数
df <- df %>%
  mutate(counter = rowSums(across(everything(), ~ .x %in% patterns)))

原理说明： #

• across(everything(), ~ .x %in% patterns) 会遍历数据框的每一列，对每个元素判断是否在模式列表里，生成一个由TRUE/FALSE组成的矩阵（TRUE等价于1，FALSE等价于0）
• rowSums 直接对每行的数值求和，一秒算出每行的匹配次数

方案2：purrr函数式编程风格 #

如果你习惯用tidyverse的函数式写法，用purrr的pmap_dbl也很顺手：

library(purrr)
library(dplyr)

df <- df %>%
  mutate(counter = pmap_dbl(., ~ sum(c(...) %in% patterns)))

原理说明： #

• pmap_dbl 会逐行处理数据框，c(...) 把当前行的所有元素打包成一个向量
• sum(c(...) %in% patterns) 统计这个向量里符合模式的元素数量，最终返回数值型的结果列

方案3：基础R原生实现（无需额外包） #

如果不想加载tidyverse包，用基础R的向量化操作也能达到同样的效果：

# 直接新增counter列
df$counter <- rowSums(sapply(df, function(x) x %in% patterns))

原理说明： #

• sapply(df, function(x) x %in% patterns) 对每列做模式匹配判断，生成布尔矩阵
• rowSums 计算每行的总和，和方案1的核心逻辑一致

为什么这些方案比嵌套循环好？ #

嵌套循环的问题在于：R对逐元素的循环优化很差，时间复杂度是O(n*m)（n是行数，m是列数），数据量一大就卡。而上面的方法都是底层C实现的向量化操作，不需要逐行逐列循环，速度能提升几十甚至上百倍——比如10万行20列的数据集，嵌套循环可能要几十秒，向量化方法只需要几毫秒。

内容的提问来源于stack exchange，提问作者gibbsabroad