R语言使用rowwise索引数据框赋值运行耗时过长问题排查

性能瓶颈和df_values$value[key]索引逻辑无关，核心问题出在rowwise()的滥用：

• 你要实现的按位置取值是R原生支持的向量化操作：df_values$value是原子向量，传入长度为N的整数索引向量key，会一次性返回长度为N的匹配结果，完全不需要逐行执行。你加上rowwise()相当于强迫R把长度为N的输入拆成N个长度为1的标量，逐次调度执行索引逻辑，平白增加了巨量额外开销。
• 测试场景和业务场景的表结构差异放大了开销：你测试用的df_keys只有key1列，rowwise()构造逐行求值环境的成本极低，25000行仅需0.3秒；但实际业务中的tibble包含大量其他列，rowwise()每次逐行求值都会把整行的所有列打包传入求值环境，列数越多单轮调度开销越高，最终就出现了你观测到的耗时线性增长、千行规模就需要数十秒的现象。

你可以自行验证这个结论：给测试用的df_keys人为添加50~100列无关随机列，再运行原来带rowwise()的代码，耗时会立刻上升到和业务场景同量级，和df_values的行数没有任何关系。

最高性能写法 #

直接删除rowwise()即可，原生向量化索引的性能比逐行操作高2~4个数量级，性能几乎不受表的总列数影响：

start_time <- Sys.time()

df_keys |>
  mutate(value = df_values$value[key])

end_time <- Sys.time()
end_time - start_time

25000行规模的运行耗时通常在10毫秒以内。

更稳妥的写法 #

用dplyr的等值连接替代硬编码行号索引，不需要依赖值表的行顺序，逻辑更健壮、可读性更强：

# 先给值表添加匹配用的key列
df_values <- df_values |>
  mutate(key = row_number())

df_keys |>
  left_join(df_values, by = "key")

内容的提问来源于stack exchange，提问作者user1