Base R中如何快速创建含对应名字所有唯一姓氏的新列

AI 小北

2026-8-31

Base R 高效实现方法

逐行for循环性能差的核心原因是每轮循环都要扫描全表做条件判断，时间复杂度为O(n²)，数据量大时耗时会指数级上升。纯Base R下用整列分组运算的思路可以把时间复杂度降到O(n)，性能提升几个量级，以下是两种可直接用的方案：

方案1：`ave()` 分组直接生成新列（代码最简洁）

ave() 是Base R原生支持分组运算、返回结果和原表行号完全对齐的函数，不需要额外做表连接：

# 方式A：结果存为逗号分隔的字符串（普通数据框最常用的存储形式）
dataset$allLastNames <- ave(
  dataset$Last,
  dataset$First,
  FUN = \(x) paste(unique(x), collapse = ", ")
)

# 方式B：结果存为列表列（每个元素是独立的姓氏向量，和你预期的c("Lewis","Brown","Johnson")形式完全一致）
dataset$allLastNames <- ave(
  dataset$Last,
  dataset$First,
  FUN = \(x) I(list(unique(x)))
)[, 1]

运行后所有First == "John"的行，对应新列的值都是c("Lewis", "Brown", "Johnson")，First == "Andy"的行对应值为"Alphie"，完全符合需求。

方案2：先聚合映射再匹配（百万级以上超大数据集性能最优）

数据量极大时，可以先单独计算每个First对应的唯一姓氏映射表，再用索引匹配一次性赋值，性能比ave()更高：

# 第一步：生成分组映射表
last_map <- tapply(
  dataset$Last,
  dataset$First,
  FUN = unique,
  simplify = FALSE
)
# 第二步：按First值匹配回原表
dataset$allLastNames <- I(last_map[match(dataset$First, names(last_map))])

如果需要字符串形式存储，把第一步的FUN替换为\(x) paste(unique(x), collapse = ", ")即可。