如何高效比对DataFrame的class列与其余逻辑列提取对应列名

高效实现方案 #

你原有代码的性能问题来自R的显式for循环逐行操作会产生大量中间副本，以下三种全向量化实现方案性能远高于循环，适合大数据量场景：

1. Base R 方案（无额外依赖）

# 提取除class列外的所有列转为逻辑矩阵
logic_mat <- as.matrix(df[, setdiff(colnames(df), "class")])
# 匹配每行第一个TRUE对应的列索引，全为FALSE的行后续统一处理
col_pos <- max.col(logic_mat, ties.method = "first")
# 标记该行是否存在TRUE值
has_true <- rowSums(logic_mat) > 0
# 生成结果表
new_df <- data.frame(
  class = df$class,
  new_col = ifelse(has_true, colnames(logic_mat)[col_pos], "")
)

核心函数max.col、rowSums均为底层C实现，百万行级数据处理仅需毫秒级耗时。

2. Tidyverse 方案（可读性强）

library(dplyr)
library(tidyr)

new_df <- df %>%
  # 转为长表结构批量匹配
  pivot_longer(-class, names_to = "col_name", values_to = "value") %>%
  filter(value == TRUE) %>%
  # 保留所有原始class行，无匹配的补空
  right_join(select(df, class), by = "class") %>%
  mutate(new_col = replace_na(col_name, "")) %>%
  select(class, new_col)

3. data.table 方案（超大数据量最优）

library(data.table)
setDT(df)
# 长表转换+匹配
dt_long <- melt(df, id.vars = "class", variable.factor = FALSE)
dt_match <- dt_long[value == TRUE, .(class, new_col = as.character(variable))]
# 关联补全结果
new_df <- dt_match[df[, .(class)], on = "class"][, new_col := fcoalesce(new_col, "")][]

注意事项 #

如果单行存在多个TRUE值，以上方案默认返回第一个匹配的列名；若需要返回所有匹配列名，可将对应逻辑调整为多值拼接即可。

内容的提问来源于stack exchange，提问作者Vendetta