R语言数据框列插入值高效方法：提取两列独有元素的提速方案

性能瓶颈确实来自for循环的逐元素操作，用R的向量化操作可以大幅提升运行效率，优化后的代码完全对齐原有逻辑，仅替换循环部分即可，代码如下：

set.seed(42)
df <- data.frame(a = sample(1:15, 10), 
                 b=sample(1:15, 10))

# 计算两列独有元素，setdiff底层为C实现，效率高于手动写%in%取反逻辑
unique_to_a <- setdiff(df$a, df$b)
unique_to_b <- setdiff(df$b, df$a)

n <- max(c(unique_to_a, unique_to_b))
out <- data.frame(A=rep(NA,n), B=rep(NA,n))

# 向量化批量赋值，完全替代两层for循环
out[unique_to_a, "A"] <- unique_to_a
out[unique_to_b, "B"] <- unique_to_b

out

优化说明 #

• 去掉R层for循环，直接用独有元素的向量作为行索引批量赋值，仅需两行代码完成原有循环的全部操作，避免了R层循环的大量开销，十万行级数据的处理速度可以提升数百倍
• 内置setdiff函数的输出结果和原有x[!x %in% y]的逻辑完全一致，代码更简洁的同时运行效率更高
• 如果你的数据中存在非正整数的元素值，不适合用值作为行索引，可以调整输出逻辑为等长对齐输出，代码如下：

# 非正整数场景下的输出方案
max_len <- max(length(unique_to_a), length(unique_to_b))
out <- data.frame(
  A = c(unique_to_a, rep(NA, max_len - length(unique_to_a))),
  B = c(unique_to_b, rep(NA, max_len - length(unique_to_b)))
)

内容的提问来源于stack exchange，提问作者nhaus