如何用RcppRoll实现高效的部分窗口滚动求和？

嘿，我完全懂你的需求——你想要的不是只有满窗口才计算的滚动求和，而是前几个元素用逐步扩大的窗口累加，等窗口达到指定大小后再保持固定窗口滚动，对吧？rollapplyr虽然能搞定，但面对百万行数据确实慢得让人头疼，毕竟它本质是循环操作。

这里有两个高效的解决方案，都能轻松处理大数据量：

方案一：用RcppRoll原生参数实现 #

其实RcppRoll的roll_sum函数早就支持部分窗口的计算了，你只需要加上partial = TRUE参数，再设置align = "right"就能得到想要的结果：

library(RcppRoll)
x <- c(1, 2, 3, 4, 5)
roll_sum(x, n = 3, partial = TRUE, align = "right")
# 输出：[1, 3, 6, 9, 12]

这个方法完全是C++底层实现，速度和普通roll_sum一样快，百万行数据处理起来毫无压力，完美契合你的需求。

方案二：用基础R的cumsum实现（无额外依赖） #

如果不想依赖RcppRoll，用基础R的向量化操作也能达到同样的高效效果，原理是利用累积和做差：

x <- c(1, 2, 3, 4, 5)
window_size <- 3

cum_x <- cumsum(x)
result <- c(
  cum_x[1:(window_size - 1)],
  cum_x[window_size:length(x)] - c(0, cum_x[1:(length(x) - window_size)])
)
# result就是[1, 3, 6, 9, 12]

cumsum是R中最快的函数之一，全程没有循环，处理百万行数据的速度甚至能和RcppRoll媲美，而且不需要安装任何额外包。

这两种方法都比rollapplyr快几个数量级，完全能满足你处理大数据的需求，选哪个就看你有没有依赖RcppRoll的需求啦～

内容的提问来源于stack exchange，提问作者dc4