R语言将iris3多维数组合并为150×5数据框的最优方法咨询

原实现存在几个可优化的问题：

• 嵌套循环逻辑冗余，且循环内调用assign向全局环境写入临时变量，容易造成命名冲突、污染工作环境
• 循环中逐次调用rbind拼接数据，每次都要全量拷贝数据，样本量增大时效率会大幅下降
• 不需要单独生成每个物种的子数据框，直接对三维数组做维度变换即可得到最终结果

最优base R实现（无需额外安装包，无循环无临时变量） #

仅需3行代码即可得到和原生iris完全一致的结果：

# 合并前两维得到150行4列的特征数据框
dat <- as.data.frame(apply(iris3, 2, c))
# 补充Species列，直接取数组第三维的名称按每组50次重复即可
dat$Species <- rep(dimnames(iris3)[[3]], each = 50)
# 统一列名和原生iris数据集对齐
colnames(dat) <- c("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width", "Species")

可通过all.equal(dat, iris, check.attributes = FALSE)验证正确性，运行后会返回TRUE。

tidyverse风格实现（逻辑更直观） #

如果习惯tidyverse生态，也可以用以下写法：

library(purrr)
library(dplyr)

dat <- dimnames(iris3)[[3]] |> 
  map_dfr(~ as.data.frame(iris3[,,.x]) |> 
            mutate(Species = .x))
colnames(dat) <- c("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width", "Species")

两种方案都完全符合R的最佳实践：

• 不需要创建单独的物种子数据框，也不需要向全局环境写入任何临时变量
• 向量化操作/批量迭代的效率远高于显式for循环，样本量越大性能优势越明显
• 代码逻辑简洁，可读性更高

注意：除非特殊场景需要，否则尽量避免在R中使用assign操作全局变量，也尽量避免在循环中逐行/逐次拼接数据框，这两种写法都很容易带来性能问题和隐性bug

内容的提问来源于stack exchange，提问作者bscod27