基于另一DataFrame高效创建编号列的技术问询

嘿，我太懂你用双重循环处理大数据集卡到崩溃的感受了！你的需求本质就是根据共同列（Accession）把两个DataFrame关联起来，R里有专门的向量化工具，比嵌套循环高效太多，6万行的数据集完全不在话下。

方法1：用基础R的merge()函数 #

这是最直接的原生方法，底层实现了高效的关联算法，比手动循环快几个数量级。你只需要指定关联列，并且保留df2的所有行即可：

# 可复现数据
df1 <- data.frame(N=c(1,2,3,4,5), Accession=c("ATT","BTT","CTT","GTT","ITT"))
df2 <- data.frame(Accession=c("ATT","ATT","ATT","BTT","BTT","BTT","CTT","CTT","GTT"))

# 执行合并
df_result <- merge(df2, df1, by = "Accession", all.x = TRUE)
# all.x=TRUE 表示保留df2的所有行，即使在df1里找不到匹配（你的案例中df2的Accession都能匹配到）

运行后df_result就是你要的结果：

Accession N
1       ATT 1
2       ATT 1
3       ATT 1
4       BTT 2
5       BTT 2
6       BTT 2
7       CTT 3
8       CTT 3
9       GTT 4

方法2：用tidyverse的left_join()（更直观） #

如果你平时用tidyverse系列工具，dplyr包的left_join()语法更清晰，可读性更强：

library(dplyr)

df_result <- df2 %>% 
  left_join(df1, by = "Accession")

这个结果和merge()完全一致，代码也更简洁，适合日常数据分析的工作流。

为什么你的循环方法效率低？ #

R的原生循环是逐元素迭代的，双重循环的时间复杂度是O(m*n)（m是df1的行数，n是df2的行数），6万行的话计算量会直接爆炸。而merge()和left_join()都是基于向量化操作，底层用C/Fortran实现了高效的哈希关联或排序关联，时间复杂度能降到O(m + n)，处理大数据集的速度会快几十甚至上百倍。

内容的提问来源于stack exchange，提问作者Enrique