用map（）函数替换for循环以加快

我创建了一个名为list_ok的列表：

 list_ok <- list()
 a=c(1,2,3,4,5)
 b=c(6,7,8,9,10)
 c=c(11,12,13,14,15)
 d=c(16, 17, 18, 19, 20)
 e=c(21,22,23,24,25)

 list_ok[[1]]=a
 list_ok[[2]]=b
 list_ok[[3]]=c
 list_ok[[4]]=d
 list_ok[[5]]=e

如何使用map函数进行相同的练习？我的问题是知道如何处理map函数中的两个不同索引（

i

和

k

）

我将在另一个更复杂的练习中使用相同的想法

---

有什么帮助吗？

用

并行
软件包来加速
lappy
和
sapply
怎么样

library(parallel)

numCores <- detectCores()
cl = makeCluster(numCores)

parLapply(list_ok, function(x)
  sapply(x, function(y) y), cl = cl)

库（并行）
numCores你会发现这个问答很有用：

对于循环中的循环，最简单的方法是创建一个匿名函数作为
map
的第二个参数，并在该匿名函数中再次使用
map
（在本例中，我使用的是
map\u dbl
）和另一个匿名函数，您可以将一个级别的循环（x）与另一个级别的循环（y）结合起来

我不明白你想干什么<代码>新建列表
和
列表_ok
是相同的。为什么要使用
for
循环（或使用
purrr:：map
）创建一个相同的
列表副本？这听起来像是个XY问题。你能提供更多的细节吗？这只是一个练习。很简单，我只想用map函数替换for代码。这是做同样事情的另一种方式。我还是不明白
new_list@MauritsEvers我的iidea就是要知道如何使用上面for命令中的两个不同索引的map函数。你想得不对。
map
的优点是它允许向量化函数，即循环抛出
列表的元素，然后在其元素上应用向量化函数。从2个“数组”索引的角度考虑这一点是错误的，因为它不符合
map
（或者
*apply
）的要求，最终会得到下面所示的复杂解决方案。如果必须使用数组索引，请使用
for
循环；只要正确使用，R中的
for
循环没有问题！
library(parallel)

numCores <- detectCores()
cl = makeCluster(numCores)

parLapply(list_ok, function(x)
  sapply(x, function(y) y), cl = cl)

library(purrr)

map(list_ok, function(x) map_dbl(seq_along(list_ok), function(y) x[[y]]))

[[1]]
[1] 1 2 3 4 5

[[2]]
[1]  6  7  8  9 10

[[3]]
[1] 11 12 13 14 15

[[4]]
[1] 16 17 18 19 20

[[5]]
[1] 21 22 23 24 25