如何用给定的步长填充包含数字序列的for循环中的向量？

我有以下代码：

library(dplyr)

Q = 10000
span = 1995:2016
time = rep(span,times = Q, each= Q)
id = rep(1:Q,times=length(span))
s1 =  rep(rnorm(Q,0,1),times=length(span))
gdp = rep(rnorm(Q,0,1),times=length(span))
e = rep(rnorm(Q,0,1),times=length(span))
dfA = data.frame(id,time,s1,e,gdp)

mgr = double()
stp = 10
for(K in seq(10,Q,stp)){
  gr = double()
  for(t in span){
    wt1 = dfA %>% filter(time == t-1) %>%
      arrange(desc(s1)) %>% mutate(w= s1/gdp)
    zt1 = dfA %>% filter(time == t-1) %>% mutate(z1 = log(s1/e))
    zt = dfA %>% filter(time == t) %>% mutate(z = log(s1/e))
    gt = left_join(zt1,zt,by="name") %>%
      mutate(g = z-z1) %>% select(name,g) %>% na.omit()

    a = left_join(wt1,gt,by="name") %>% na.omit()
    a = a  %>% mutate(id = 1:length(a$name)) %>%
     filter(id <= Q) %>% mutate(gbar = mean(g)) %>%
     filter(id <= K) %>% mutate(sck = g-gbar, 
     gamma = w*sck)

     gr = append(gr, sum(a$gamma))
     }
mgr = append(mgr,mean(gr))
}

其中，dfA是包含id变量和时间变量等的数据帧。由于时间变量的范围是从1995年到2016年，并且K是步骤10的序列，因此我分别求助于append to store gr和mgr。问题是计算时间太长

---

所以我的问题是：有没有办法避免使用append来填充向量gr和mgr，从而减少计算代码所花费的时间？

您可以使用设置的长度来初始化“gr”和“mgr”向量，而不是将它们作为一个双精度向量来初始化，并让R在每次迭代中扩展它们。优点是向量的内存是预先分配的，您不必重新定义整个变量mgr/gr

## initiate vectors with set length
mgr <- double(length = length(seq(10,Q,stp)))
gr <- double(length = length(1995:2016))

# fill the positions in each iteration
outerIteration <- (K - 10) / stp
innerIteration <- t - 1994
gr[innerIteration] <- sum(a$gamma)
# take the mean for each block of length 21 (2016 - 1995)
mgr[outerIteration] <- mean(gr[(outerIteraion -1)*21 + 1 : outerIteration*21])

---

样本数据将非常棒。请看：，和。谢谢您的回复。这就是我要找的。但是，它似乎并没有显著缩短运行时间。嵌套for循环的运行时间很长。您可以尝试只执行内部循环，然后尝试将df分组并执行最后一个过滤器