像这样的吗

f <- function(v) {
  n <- length(v)
  # number of rows of the square matrix
  m <- ceiling(sqrt(0.25 + 2*n) - 0.5)
  x <- array(NA, rep(m, 2))
  s <- pmin(m + 1L - row(x), col(x)) + pmax(m + 1L - row(x), col(x))/n + (m + 1L)*upper.tri(x)
  x[sort(order(s)[1:n])] <- v
  t(x)
}

字符串
测试长度为14的向量：

lapply(1:14, \(i) f(1:i))
#> [[1]]
#>      [,1]
#> [1,]    1
#> 
#> [[2]]
#>      [,1] [,2]
#> [1,]    1    2
#> [2,]   NA   NA
#> 
#> [[3]]
#>      [,1] [,2]
#> [1,]    1    2
#> [2,]   NA    3
#> 
#> [[4]]
#>      [,1] [,2] [,3]
#> [1,]    1    2    3
#> [2,]   NA   NA    4
#> [3,]   NA   NA   NA
#> 
#> [[5]]
#>      [,1] [,2] [,3]
#> [1,]    1    2    3
#> [2,]   NA   NA    4
#> [3,]   NA   NA    5
#> 
#> [[6]]
#>      [,1] [,2] [,3]
#> [1,]    1    2    3
#> [2,]   NA    4    5
#> [3,]   NA   NA    6
#> 
#> [[7]]
#>      [,1] [,2] [,3] [,4]
#> [1,]    1    2    3    4
#> [2,]   NA   NA   NA    5
#> [3,]   NA   NA   NA    6
#> [4,]   NA   NA   NA    7
#> 
#> [[8]]
#>      [,1] [,2] [,3] [,4]
#> [1,]    1    2    3    4
#> [2,]   NA   NA    5    6
#> [3,]   NA   NA   NA    7
#> [4,]   NA   NA   NA    8
#> 
#> [[9]]
#>      [,1] [,2] [,3] [,4]
#> [1,]    1    2    3    4
#> [2,]   NA    5    6    7
#> [3,]   NA   NA   NA    8
#> [4,]   NA   NA   NA    9
#> 
#> [[10]]
#>      [,1] [,2] [,3] [,4]
#> [1,]    1    2    3    4
#> [2,]   NA    5    6    7
#> [3,]   NA   NA    8    9
#> [4,]   NA   NA   NA   10
#> 
#> [[11]]
#>      [,1] [,2] [,3] [,4] [,5]
#> [1,]    1    2    3    4    5
#> [2,]   NA   NA    6    7    8
#> [3,]   NA   NA   NA   NA    9
#> [4,]   NA   NA   NA   NA   10
#> [5,]   NA   NA   NA   NA   11
#> 
#> [[12]]
#>      [,1] [,2] [,3] [,4] [,5]
#> [1,]    1    2    3    4    5
#> [2,]   NA   NA    6    7    8
#> [3,]   NA   NA   NA    9   10
#> [4,]   NA   NA   NA   NA   11
#> [5,]   NA   NA   NA   NA   12
#> 
#> [[13]]
#>      [,1] [,2] [,3] [,4] [,5]
#> [1,]    1    2    3    4    5
#> [2,]   NA    6    7    8    9
#> [3,]   NA   NA   NA   10   11
#> [4,]   NA   NA   NA   NA   12
#> [5,]   NA   NA   NA   NA   13
#> 
#> [[14]]
#>      [,1] [,2] [,3] [,4] [,5]
#> [1,]    1    2    3    4    5
#> [2,]   NA    6    7    8    9
#> [3,]   NA   NA   NA   10   11
#> [4,]   NA   NA   NA   12   13
#> [5,]   NA   NA   NA   NA   14

型

也许你可以试试

t(
    replace(
        m,
        t(!is.na(cbind(rbind(replace(
            matrix(1, n - 1, n - 1),
            seq(n^2 - length(v)), NA
        ), 1), 1)[n:1, ])),
        seq_along(v)
    )
)

字符串
这给了

[,1] [,2] [,3] [,4]
[1,]    1    2    3    4
[2,]   NA   NA    5    6
[3,]   NA   NA   NA    7
[4,]   NA   NA   NA    8

型

选择一个非递增整数n-向量x，使得1 <= x <= n：1且sum（x）等于length（v）。x[i]表示结果矩阵的第i行中非NA元素的数量。
我们通过使用CVXR来形成凸优化问题，使得任何可行值都可以提供。当定义下面的问题时，xval是产生的x的最终值。它找到的解是c（4，2，1，1），但由于问题没有很好地定义，c（3，2，2，1）将是另一个有效的解，如果需要进一步约束解，我们可以添加额外的约束。
给定xval，形成逻辑矩阵m，其类似于结果的转置，并使用TRUE显示哪些条目是非NA的。由于R逐列存储矩阵，因此更容易填充转置。最后填充它，然后转置得到结果M。

v <- letters[1:8]
n <- ceiling((-1 + sqrt(1 + 8 * length(v))) / 2)

library(CVXR)
x <- Variable(n, integer = TRUE)
objective <- Minimize(0)
constraints <- list(sum(x) == length(v), diff(x) <= 0, x >= 1, x <= n:1)
problem <- Problem(objective, constraints)
soln <- solve(problem)
xval <- as.integer(soln$getValue(x) + 0.01)
xval
## [1] 4 2 1 1

m <- matrix(NA, n, n)
m[sapply(c(xval), function(i) rep(c(F, T), c(n-i, i)))] <- seq_along(v)
M <- t(m)

M
##      [,1] [,2] [,3] [,4]
## [1,]    1    2    3    4
## [2,]   NA   NA    5    6
## [3,]   NA   NA   NA    7
## [4,]   NA   NA   NA    8

字符串