如何基于分组数据创建保留顺序关系的邻接表？

我完全懂你的痛点——你需要从分组ID数据里生成包含所有双向关联、不丢弃任何顺序相关观测的邻接表，之前用split+expand.grid的方案没法满足你的顺序要求，还得兼顾大数据集的处理效率对吧？

下面给你两个高效的实现方案，分别用dplyr（语法直观）和data.table（大数据场景更优）：

方法1：用dplyr实现（适合中等规模数据） #

先构造示例数据，再生成邻接表：

library(dplyr)

# 你的原始数据集结构
df <- tibble(
  id = c(1,2,3,4,5),
  group = c(1,1,1,2,2)
)

# 生成目标邻接表
adjacency_list <- df %>%
  group_by(group) %>%
  # 把当前组的所有ID存入列表列，方便后续展开配对
  mutate(id2 = list(id)) %>%
  # 展开列表列，得到组内ID的所有两两组合
  unnest(id2) %>%
  # 排除ID自连的无效行
  filter(id != id2) %>%
  ungroup()

# 查看结果
print(adjacency_list)

这个方法会完整保留所有双向关联（比如1-2和2-1都会出现），完全符合你要保留顺序相关观测的需求，而且分组操作的效率比手动循环split要高很多。

方法2：用data.table实现（适合超大规模数据） #

如果你的数据集是百万级甚至更大，data.table的内存效率和运行速度会更有优势：

library(data.table)

# 转换为data.table格式
setDT(df)

# 生成邻接表
adjacency_list <- df[, .(id2 = id), by = .(group, id)][id != id2]

# 查看结果
print(adjacency_list)

这个语法更简洁，核心逻辑和dplyr一致：按group和id分组后，把当前组的所有ID作为id2和每个id配对，最后过滤掉自连行。它的底层实现是C++优化的，处理大数据集时比dplyr更快。

为什么这个方案比你之前的expand.grid更合适？ #

之前的expand.grid方案如果是手动循环每个分组处理，不仅代码繁琐，而且容易在操作中丢失顺序关联；而上面的两种方法都是基于分组批量生成所有两两配对，天然保留了所有双向的顺序观测，同时兼顾了处理效率。

内容的提问来源于stack exchange，提问作者A.Tulli