如何在R中按值与位置条件处理数据框行并计算位置距离？

针对你这个需要处理百万行数据的场景，暴力循环肯定会慢到无法接受，所以我们得用更高效的方法。下面提供两种实用方案，优先推荐data.table的非等值连接，它在大数据量下的性能表现非常出色。

先明确预处理步骤 #

首先，我们可以先过滤出value == 1的行，因为只有这些行才需要参与配对计算，这能直接减少后续处理的数据量：

# 你的示例数据
df <- data.frame(name=LETTERS[1:5], location=c(2000,2021,4532,1931,3457), value=c(1,0,1,1,0))

# 筛选value为1的行
df_filtered <- df[df$value == 1, ]

方法一：使用data.table（推荐用于百万行数据） #

data.table的非等值连接是处理这类配对问题的利器，效率远高于基础R或dplyr的一些方法：

library(data.table)

# 转换为data.table格式
setDT(df)

# 筛选value=1的行，减少计算量
df1 <- df[value == 1]

# 非等值连接：找到所有location差值在1000以内的行对，排除自身配对
result <- df1[df1, 
              on = .(location >= location - 1000, location <= location + 1000),
              allow.cartesian = TRUE][i.name != name]

# 计算两行的位置距离
result[, distance := abs(location - i.location)]

# （可选）去除重复行对（比如A-D和D-A视为同一组，只保留一个）
result <- result[i.name < name]

# 整理成最终需要的列：行对的名称和距离
final_result <- result[, .(name1 = i.name, name2 = name, distance)]

# 查看结果
print(final_result)

结果说明（针对示例数据） #

示例中df_filtered包含A、C、D三行，只有A和D的location差值（69）在1000以内，所以最终结果是：

name1 name2 distance
1:     A     D       69

方法二：使用dplyr（适合熟悉tidyverse的用户） #

如果你更习惯tidyverse语法，可以用dplyr的连接功能实现：

library(dplyr)

df_filtered <- df %>% filter(value == 1)

# 执行非等值连接，筛选符合条件的行对
result <- df_filtered %>%
  mutate(location_low = location - 1000) %>%
  left_join(df_filtered, 
            by = join_by(location >= location_low, location <= location)) %>%
  filter(name.x != name.y) %>% # 排除自身配对
  mutate(distance = abs(location.x - location.y)) %>%
  select(name1 = name.x, name2 = name.y, distance) %>%
  distinct(name1, name2, .keep_all = TRUE) # 去除重复行对

print(result)

注意事项 #

1. 内存问题：如果value == 1的行数量很多（比如几十万行），非等值连接可能会生成大量中间结果，要确保你的机器有足够内存。如果只需要统计距离的分布，而不需要保留行对的名称，可以只保留distance列，减少内存占用。
2. 去重选择：如果你不需要区分A-D和D-A这样的反向行对，记得加上去重步骤，避免结果冗余。

内容的提问来源于stack exchange，提问作者celina