R语言如何避免for循环计算数据框相邻行向量的余弦值

之前的rowwise写法报错来自三个逻辑问题：

• select_all不是dplyr行操作上下文里合法的取整行数据的语法
• rowwise模式是按列逐值计算，lead()在该模式下无法直接提取完整的下一行向量
• 逐行调用lsa::cosine本身属于性能浪费，该函数原生支持矩阵级批量计算，大表场景下运算效率远高于逐行迭代、for循环。

直接利用lsa::cosine的矩阵计算特性，一次完成所有相邻行余弦值计算，无需逐行遍历：

library(tidyverse)
library(lsa)

dat <- mydat %>%
  mutate(
    cosineraw = cosine(
      x = t(as.matrix(.)),
      y = t(as.matrix(lead(.)))
    ) |> diag()
  )

逻辑说明：

• lsa::cosine接收两个矩阵作为输入时，会计算x矩阵每一列和y矩阵每一列的余弦相似度，返回列数乘积维度的相似度矩阵
• 原数据框转矩阵后转置，每一列对应原数据的一行15维向量；经lead()偏移1位的数据集转置后，每一列对应原数据下一行的向量
• 最终取结果矩阵的对角线值，刚好对应「原第i行向量」和「原第i+1行向量」的余弦值，最后一行因偏移后无有效数据自动返回NA，无需额外处理边界。如果需要丢弃最后一行的空值，直接在代码末尾加%>% slice(-n())即可。

如果需要用行操作逻辑实现，修正后的写法如下，但数据量较大时运算速度会明显低于上述向量化方案：

dat <- mydat %>%
  mutate(next_row = lead(cur_data(), 1)) %>%
  rowwise() %>%
  mutate(
    cosineraw = cosine(
      as.numeric(c_across(1:15)),
      as.numeric(next_row)
    )
  ) %>%
  ungroup() %>%
  select(-next_row)

可以先用小数据集验证，上述两种方案输出的第一行余弦值，和手动运行lsa::cosine(as.vector(t(dat[2,])), as.vector(t(dat[1,])))得到的结果完全一致。

内容的提问来源于stack exchange，提问作者Jamie