在R中使用“for loop”函数堆叠数据集

我回答家庭作业问题有困难

通过堆叠gm2创建更大的数据集 n=100倍以上。也就是说，如果nrg是数字 gm2和ncg的行数是列数， 较大的数据集应具有100*nrg行和 ncg列。 将堆叠的数据集称为biggm2。 要创建堆叠数据集， 用biggm2初始化 Tidyverse：

library(dplyr)

filter(gapminder, country %in% c("United States", "Canada")) %>%
  select(year, lifeExp, pop, gdpPercap) -> tidyverse_can_us

head(tidyverse_can_us)
## # A tibble: 6 × 4
##    year lifeExp      pop gdpPercap
##   <int>   <dbl>    <int>     <dbl>
## 1  1952   68.75 14785584  11367.16
## 2  1957   69.96 17010154  12489.95
## 3  1962   71.30 18985849  13462.49
## 4  1967   72.13 20819767  16076.59
## 5  1972   72.88 22284500  18970.57
## 6  1977   74.21 23796400  22090.88

基准R：

gapminder[with(gapminder, country %in% c("United States", "Canada")),
          c("year", "lifeExp", "pop", "gdpPercap")] -> base_r_can_us

head(base_r_can_us)
## # A tibble: 6 × 4
##    year lifeExp      pop gdpPercap
##   <int>   <dbl>    <int>     <dbl>
## 1  1952   68.75 14785584  11367.16
## 2  1957   69.96 17010154  12489.95
## 3  1962   71.30 18985849  13462.49
## 4  1967   72.13 20819767  16076.59
## 5  1972   72.88 22284500  18970.57
## 6  1977   74.21 23796400  22090.88

---

对于其中任何一个，您都失去了将值与国家联系起来的因子变量。我们也不知道您为什么想要/需要矩阵。我假设您是从变量名中提取加拿大和美国的数据，但您的整个问题基本上是不连贯的，因此很难知道您拥有什么数据以及您想要/需要什么结果。

请学习在问题中使用代码部分。为什么您要像使用Python或Java这样的粗俗语言那样使用R编写代码？

gm2 <- subset(CanUS2, select = c("year","lifeExp","pop","gdpPercap"))

gm3 <- matrix(gm2v, nrow=24, ncol=4)
gm3

library(gapminder)

library(dplyr)

filter(gapminder, country %in% c("United States", "Canada")) %>%
  select(year, lifeExp, pop, gdpPercap) -> tidyverse_can_us

head(tidyverse_can_us)
## # A tibble: 6 × 4
##    year lifeExp      pop gdpPercap
##   <int>   <dbl>    <int>     <dbl>
## 1  1952   68.75 14785584  11367.16
## 2  1957   69.96 17010154  12489.95
## 3  1962   71.30 18985849  13462.49
## 4  1967   72.13 20819767  16076.59
## 5  1972   72.88 22284500  18970.57
## 6  1977   74.21 23796400  22090.88

gapminder[with(gapminder, country %in% c("United States", "Canada")),
          c("year", "lifeExp", "pop", "gdpPercap")] -> base_r_can_us

head(base_r_can_us)
## # A tibble: 6 × 4
##    year lifeExp      pop gdpPercap
##   <int>   <dbl>    <int>     <dbl>
## 1  1952   68.75 14785584  11367.16
## 2  1957   69.96 17010154  12489.95
## 3  1962   71.30 18985849  13462.49
## 4  1967   72.13 20819767  16076.59
## 5  1972   72.88 22284500  18970.57
## 6  1977   74.21 23796400  22090.88