将计数数据转换为个体数据：R中高效实现方法问询

嗨，我太懂你这种困扰了——用for循环逐行rbind来展开数据，数据量一大简直慢到让人抓狂！下面给你两个高效得多的实现方法，都是R里的向量化操作或者专门的工具函数，比循环快N倍：

方法1：Base R原生高效实现 #

直接利用向量化的rep()函数生成重复的行索引，一次性提取所有需要的行，完全避开循环的低效操作：

# 生成对应重复次数的行索引向量
row_indices <- rep(seq(nrow(df)), times = df$COUNT)
# 提取行得到展开后的数据集
df_expanded <- df[row_indices, ]
# 如果不需要保留COUNT列，可以直接删掉
df_expanded$COUNT <- NULL

这种方法的核心是向量化操作，R对向量的处理是底层优化过的，比逐行循环的效率高几个数量级，尤其是当你的数据集行数很多的时候，差距会特别明显。

方法2：用tidyverse的uncount()函数（更简洁） #

如果你平时习惯用dplyr这类tidy风格的工具包，uncount()就是专门为这种场景设计的，一行代码就能搞定：

library(dplyr)
# 直接根据COUNT列的值重复每行，默认会移除COUNT列
df_expanded <- df %>% uncount(COUNT)

这个函数不仅代码简洁，还能和其他tidyverse的操作链式调用，非常适合日常的数据处理工作流。

为什么你的原方法效率低？ #

原来的for循环里，每次rbind(df4, ...)都会重新创建一个新的数据框，相当于每次都要把之前的所有数据复制一遍再添加新行——数据量越大，这个复制的开销就越恐怖，最终导致运行速度极慢。而上面的两种方法都是一次性生成所有需要的行，没有中间的重复复制操作，自然效率高很多。

内容的提问来源于stack exchange，提问作者Remy M