0

有什么简单的方法可以在字符串中获得最大连续 1 数，例如： "000010011100011111001111111100"？

我当然可以用循环来做到这一点，但我想避免这种情况，因为我的实际数据集有大约 500,000 条记录。

提前感谢您的帮助。

4

3 回答 3

7

使用rle比使用正则表达式更慢且更笨拙。在Thomas 的回答中，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"
于 2013-08-01T21:35:11.300 回答
6

不使用的另一种更快的方法是使用连续的 0 进行拆分，如下所示：rle

# 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gregexpr@Joshua 的解决方案更快。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和使用来调整vapply。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
于 2013-08-01T23:01:46.630 回答
4

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：我删除了该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
于 2013-08-01T21:03:58.287 回答