在R语言中如何通过追加向量子集创建新向量？

嘿，这个问题核心就是要把原向量的所有后缀子向量按顺序拼起来对吧？我给你推荐个在R里效率拉满的实现方法，完全不用低效的循环，尤其适合处理长向量的情况。

先明确需求 #

假设你的原向量是x，长度为n，我们需要把x[1:n]、x[2:n]……一直到x[n-1:n]全部拼接成一个新向量，就像你示例里展示的那样。

最优向量化实现 #

这个方法利用R的原生向量化操作（底层是C实现，速度极快），通过直接生成所有需要提取的元素索引来完成，完全避免循环带来的内存浪费和速度损耗：

# 示例原向量（实际可以是任意长度的随机向量，比如 x <- sample(1:100, 1000, replace = TRUE)）
x <- c(1:10)
# 获取向量长度
n <- length(x)

# 生成每个后缀的长度：从n递减到2（对应起始位置1到n-1的后缀长度）
suffix_lengths <- n:2
# 生成每个后缀的起始位置，重复对应次数（比如起始1要重复10次，起始2重复9次……）
start_positions <- rep(1:(n-1), suffix_lengths)
# 计算每个目标元素的索引
element_indices <- start_positions + sequence(suffix_lengths) - 1
# 提取元素得到最终结果
final_vector <- x[element_indices]

为什么这个方法最优？ #

• 速度拉满：所有操作都是向量化的，比用for循环或者lapply后unlist快几个数量级，尤其是当原向量长度很大（比如上万甚至更多元素）的时候，性能差距会非常明显。
• 内存高效：直接生成索引一次性提取元素，不会像循环那样每次拼接都重新分配内存，避免了不必要的内存开销。

反面教材：别用循环实现 #

如果你用下面这种循环写法，在向量很长的时候会慢到离谱，而且内存占用极高，绝对不推荐：

# 低效的循环写法，仅作对比，不要用！
bad_result <- c()
for (i in 1:(n-1)) {
  bad_result <- c(bad_result, x[i:n])
}

扩展：如果需要包含最后单个元素 #

如果你想要的结果最后还要加上原向量的最后一个元素（也就是x[n:n]），只需要调整两行代码就行：

suffix_lengths <- n:1
start_positions <- rep(1:n, suffix_lengths)
element_indices <- start_positions + sequence(suffix_lengths) - 1
final_vector_with_last <- x[element_indices]

内容的提问来源于stack exchange，提问作者dank