是否有任何简单的方法可以在字符串中获得最大连续 1 数，例如：
"000010011100011111001111111100"?
我当然可以使用循环来实现，但我想避免这种情况，因为我的实际数据集大约有 500,000 条记录。
提前感谢您的帮助。
【问题讨论】：
标签： r
使用rle 比使用正则表达式更慢且更笨拙。在Thomas' answer 中，当值等于 1 时，您仍然需要提取最大长度。
# make some data
set.seed(21)
N <- 1e5
s <- sample(c("0","1"), N*30, TRUE)
s <- split(s, rep(1:N, each=30))
s <- sapply(s, paste, collapse="")
# Thomas' (complete) answer
r <- function(S) {
sapply(S, function(x) {
rl <- rle(as.numeric(strsplit(x,"")[[1]]))
max(rl$lengths[rl$values==1])
})
}
# using regular expressions
g <- function(S) sapply(gregexpr("1*",S),
function(x) max(attr(x,'match.length')))
# timing
system.time(R <- r(s))
# user system elapsed
# 6.41 0.00 6.41
system.time(G <- g(s))
# user system elapsed
# 1.47 0.00 1.46
all.equal(R,G)
# [1] "names for target but not for current"
【讨论】：
另一种更快的方法不使用rle是用连续的0分割，如下所示：
# following thelatemail's comment, changed '0+' to '[^1]+'
strsplit(x, "[^1]+", perl=TRUE)
然后您可以循环并获取列表中每个元素的最大字符数。这也将比rle 解决方案更快。并且也比@Joshua 的gregexpr 解决方案更快。一些基准测试...
zz <- function(x) {
vapply(strsplit(x, "[^1]+", perl=TRUE), function(x) max(nchar(x)), 0L)
}
我刚刚意识到@Joshua 的功能也可以通过添加perl=TRUE 和使用vapply 来调整。所以，我也会比较一下。
g2 <- function(S) vapply(gregexpr("1*",S, perl=TRUE),
function(x) max(attr(x,'match.length')), 0L)
require(microbenchmark)
microbenchmark(t1 <- zz(unname(s)), t2 <- g(unname(s)), t3 <- g2(unname(s)), times=50)
Unit: seconds
expr min lq median uq max neval
t1 <- zz(unname(s)) 1.187197 1.285065 1.344371 1.497564 1.565481 50
t2 <- g(unname(s)) 2.154038 2.307953 2.357789 2.417259 2.596787 50
t3 <- g2(unname(s)) 1.562661 1.854143 1.914597 1.954795 2.203543 50
identical(t1, t2) # [1] TRUE
identical(t1, t3) # [1] TRUE
【讨论】：
0 或1 以外的字符的情况下进行概括，将在strsplit 调用中将"0+" 替换为"[^1]"。 略微较慢，但可能更安全。
使用rle:
x <- "000010011100011111001111111100"
rr <- rle(strsplit(x,"")[[1]])
Run Length Encoding
lengths: int [1:9] 4 1 2 3 3 5 2 8 2
values : chr [1:9] "0" "1" "0" "1" "0" "1" "0" "1" "0"
注意：我删除了 as.numeric 部分，因为它不是必需的。从这里，您可以获得连续 1 的最大计数：
max(rr$lengths[which(rr$values == "1")])
# [1] 8
【讨论】：