在R中高效实现向量内0的连续次数累积并叠加至后续对应1的最优方法

这是个挺实用的需求，我来分享几个高效的实现方式，不管是小向量还是大规模数据都能轻松搞定：

方法一：Base R 原生 rle 实现（无需额外包） #

rle（游程编码）是Base R里专门处理连续重复值的工具，用它来实现这个需求非常简洁，而且性能优异：

xx <- c(1, 1, 1, 0, 0, 1, 0, 1, 0, 0, 0, 1)

# 对原向量做游程编码
r <- rle(xx)

# 计算每个1组需要累加的前序连续0长度
# 逻辑：把每个0组的长度，对应放到下一个1组的位置，第一个组前没有0，所以补0
add <- c(0, head(r$lengths[r$values == 0], -1))

# 给所有1组的值加上对应的累积0长度
r$values[r$values == 1] <- r$values[r$values == 1] + add[r$values == 1]

# 解码游程得到结果向量
yy <- inverse.rle(r)

# 验证结果
yy
# [1] 1 1 1 0 0 3 0 2 0 0 0 4

原理说明 #

• rle(xx)会把原向量拆分成「连续值+长度」的组，比如示例里的向量会被拆成：1(3个)、0(2个)、1(1个)、0(1个)、1(1个)、0(3个)、1(1个)
• add向量提取了每个0组的长度，并将其对应到下一个1组的位置，第一个1组前没有0，所以开头补0
• 最后通过inverse.rle把修改后的游程组还原成完整向量

方法二：data.table 实现（超大规模数据首选） #

如果需要处理百万级甚至更大的向量，data.table的分组操作性能会更突出，它的rleid函数可以快速创建连续值的分组ID：

library(data.table)

xx <- c(1, 1, 1, 0, 0, 1, 0, 1, 0, 0, 0, 1)
dt <- data.table(x = xx)

# 创建连续相同值的分组ID
dt[, grp := rleid(x)]
# 计算每个分组的元素数量
dt[, len := .N, by = grp]
# 提取前一个分组的长度，且仅当前一个分组是0时保留该长度作为累加值
dt[, add := shift(len, type = "lag") * (shift(x, type = "lag") == 0)]
# 生成结果：1的位置加上累加值（NA替换为0），0保持不变
dt[, y := ifelse(x == 1, x + replace_na(add, 0), x)]

yy <- dt$y
yy
# [1] 1 1 1 0 0 3 0 2 0 0 0 4

原理说明 #

• rleid(x)给每一段连续相同的数值分配唯一的分组ID，方便后续按组计算
• shift函数用来获取前一个分组的长度，通过(shift(x, type = "lag") == 0)过滤出只有前一个组是0的情况才累加
• replace_na(add, 0)处理第一个分组没有前序的情况，避免NA干扰计算

效率对比 #

这两种方法都是**O(n)**时间复杂度，远优于循环遍历的O(n²)：

• 小向量场景：Base R的rle方法更轻便，无需加载额外包
• 大向量场景：data.table的方法在内存管理和运算速度上更有优势

内容的提问来源于stack exchange，提问作者Chell