R语言如何高效生成分组字符子集矩阵及跨组行全组合

1. 高效生成分组对应的01子集矩阵 #

对于长字符向量，优先使用基于二进制位转换的向量化实现，比循环或expand.grid内存效率更高，核心逻辑是每个子集对应一个从0到2^n-1的整数，将整数转换为二进制位即可得到01标识：

# 入参为字符向量，返回对应所有子集的01数据框
generate_subset_mat <- function(char_vec) {
  n <- length(char_vec)
  total_rows <- 2^n
  # vapply指定返回值类型，比sapply更快更稳定
  mat <- t(vapply(0:(total_rows - 1), function(num) {
    as.integer(intToBits(num))[1:n]
  }, FUN.VALUE = integer(n)))
  colnames(mat) <- char_vec
  return(as.data.frame(mat))
}

# 测试调用
group_1 = c("X", "Y", "Z")
group_2 = c("A", "B")
group_1_combs <- generate_subset_mat(group_1)
group_2_combs <- generate_subset_mat(group_2)

如果需要和示例完全一致的、按子集元素个数升序的排列，可额外增加排序逻辑：

group_1_combs <- group_1_combs[order(rowSums(group_1_combs)), ]

2. 两个子集矩阵全组合拼接 #

直接使用base R的merge函数，指定by=NULL即可生成两个数据集的笛卡尔积，自动合并所有列：

final_df <- merge(group_1_combs, group_2_combs, by = NULL)

验证输出结果：dim(final_df)返回32 5，列名为X Y Z A B，符合需求。
如果是tidyverse用户，也可以使用tidyr::crossing(group_1_combs, group_2_combs)实现相同效果。

内容的提问来源于stack exchange，提问作者plausibly_exogenous