R语言匹配行ID与列名时高效更新对应单元格值的方法

需要实现数据框操作逻辑：当数据框ID列的取值与某列列名匹配时，将对应行、该匹配列位置的单元格数值加1。现有逐行for循环实现在百万行量级数据集上运行速度过慢，需要高性能替代方案。

示例数据 #

数据框构造代码：

df<- structure(list(ID = c("ID001", "ID001", "ID003", "ID004", "ID003", 
                      "ID004"), ID001 = c(1L, 0L, 1L, 0L, 1L, 1L), ID002 = c(0L, 
                        0L, 0L, 0L, 0L, 0L), ID003 = c(1L, 0L, 1L, 1L, 0L, 0L), ID004 = c(1L, 
                           1L, 0L, 0L, 1L, 1L)), class = "data.frame", row.names = c(NA, -6L)) 

初始数据框内容：

ID     ID001 ID002 ID003 ID004
1 ID001     1     0     1     1
2 ID001     0     0     0     1
3 ID003     1     0     1     0
4 ID004     0     0     1     0
5 ID003     1     0     0     1
6 ID004     1     0     0     1

原有低性能实现 #

原有逐行for循环代码：

for(rows in 1:nrow(df)) {
  df[rows, match(df[rows,'ID'], names(df))] <- df[rows, match(df[rows,'ID'], names(df))] + 1
}

运行后得到预期结果：

ID ID001 ID002 ID003 ID004
1 ID001     2     0     1     1
2 ID001     1     0     0     1
3 ID003     1     0     2     0
4 ID004     0     0     1     1
5 ID003     1     0     1     1
6 ID004     1     0     0     2

高性能实现方案 #

方案1：原生R向量化矩阵索引（无依赖，速度最快，推荐百万行场景使用） #

R原生支持用两列矩阵作为索引，直接定位所有需要修改的单元格，全程是C层面的向量化操作，没有R层循环，百万行数据运行耗时通常在100毫秒以内。
代码如下：

# 匹配每个ID对应的列位置
col_index <- match(df$ID, colnames(df))
# 构造位置索引矩阵：第一列为行号，第二列为对应要修改的列号
pos_matrix <- cbind(row = seq_len(nrow(df)), col = col_index)
# 批量给目标位置加1
df[pos_matrix] <- df[pos_matrix] + 1

运行结果和for循环完全一致。
注意：apply族函数本质还是R层面的逐行迭代，性能相比for循环提升有限，远达不到上述向量化方案的速度，不推荐使用。

方案2：data.table方案（适合千万行以上超大数据集） #

如果数据集规模达到千万行级别，可以用data.table包进一步提升内存效率和运行速度：

library(data.table)
# 转为data.table格式
setDT(df)
# 批量匹配位置更新
col_loc <- chmatch(df$ID, names(df))
df[seq_len(.N), names(df)[col_loc] := .SD + 1L, 
   .SDcols = names(df)[col_loc], 
   by = ID]

内容的提问来源于stack exchange，提问作者DA Sukit Fasebok