R语言中的条件拼接：合并带前缀标识的向量元素

问题回顾 #

你手头有这样一个待处理的向量：

myarray <- c("AA\tThis is ", "\tthe ", "\tbegining.",
             "BB\tA string of ", "\tcharacters.", "CC\tA short line.",
             "DD\tThe ", "\tend.")

需要把同一前缀（比如AA\t、BB\t）开头的后续缩进字符串拼接起来，最终得到这样的目标输出：

[1] "AA\tThis is the begining."    "BB\tA string of characters."
[3] "CC\tA short line."            "DD\tThe end."

高效向量化方案（Base R） #

不用写循环和if判断，我们可以用分组标识+聚合拼接的思路，全程用向量化操作完成，效率比循环高得多：

# 1. 生成分组ID：判断每个元素是否是组的开头（首字符不是制表符），用cumsum生成递增分组号
group_ids <- cumsum(substr(myarray, 1, 1) != "\t")

# 2. 按分组拼接所有字符串
myoutput <- unname(tapply(myarray, group_ids, paste, collapse = ""))

运行后就能得到你想要的结果：

> myoutput
[1] "AA\tThis is the begining."    "BB\tA string of characters."
[3] "CC\tA short line."            "DD\tThe end."

原理说明 #

• substr(myarray, 1, 1) != "\t"会生成一个逻辑向量：组开头的元素（比如AA\t...）对应TRUE，后续缩进的元素对应FALSE
• cumsum对这个逻辑向量累加，TRUE会让分组号+1，FALSE保持当前分组号，这样同一组的元素会被分配相同的ID
• tapply根据分组ID聚合，用paste(..., collapse = "")把同一组的字符串拼接成完整的一行

Tidyverse 方案（适合熟悉dplyr的用户） #

如果你习惯用tidyverse生态，也可以用dplyr实现同样的逻辑，代码可读性更强：

library(dplyr)

myoutput <- tibble(text = myarray) %>%
  # 生成分组ID
  mutate(group = cumsum(substr(text, 1, 1) != "\t")) %>%
  # 按分组拼接
  group_by(group) %>%
  summarise(combined = paste(text, collapse = ""), .groups = "drop") %>%
  # 提取结果向量
  pull(combined)

内容的提问来源于stack exchange，提问作者C.Bruce