R 使用apply时跟踪当前索引

想看看是否有人有更优雅的解决方案。但是，在使用apply时，跟踪当前索引的适当方法是什么。例如，假设我只想从我正在计算的当前元素中取和，直到向量的末尾

这是最好的方法吗

y = rep(1,100)
apply(as.matrix(seq(1:length(y))),1,function(x) { sum(y[x:length(y)])})

---

非常感谢您的意见。

这看起来更像是sapply的任务：

sapply(seq_along(y), function(x){sum(y[x:length(y)])})

对于您的特定示例，还有很多其他选项（例如反转向量

y

，然后使用

cumsum

），但我猜这是一般模式： 使用

seq_

或者最坏的情况下使用

seq

获取您感兴趣的序列，并将其传递给

*apply

rev（cumsum（y））

在当前实例中会快得多：

> y = rep(1,100000)
> system.time(apply(as.matrix(seq(1:length(y))),1,function(x) { sum(y[x:length(y)])}) )
   user  system elapsed 
 88.108  88.639 176.094 
> system.time( rev(cumsum(y)) )
   user  system elapsed 
  0.002   0.001   0.004 

---

好吧，这个例子可能有点不幸，但是如何在使用“apply”或“sapply”函数时了解索引的问题仍然没有答案

你可能想看的东西是

x <- 0
l <- 1:10; names(l) <- letters[l]
sapply(l,function(Y) {
   x <<- x+1
   a<-sum(x:length(l))
   cat("I am at ",names(l)[x]," valued ",a,".\n",sep="")
   return(a)
})

---

x此响应尚未收到满意的答案。全局变量的工作方式类似于smoe请求，但它似乎并不比for循环快，请参见下面的示例

df=data.frame(a=1:100000,b=1:100000,y=rep(NA,100000))
ind=1
system.time(sapply(df$a,function(x){
  df$y[ind]<<-x+df$b[ind]
  ind<<-ind+1
}))

system.time(for(i in 1:nrow(df)){
  df$y[i]=df$a[i]+df$b[i]
})

df=data.frame（a=1:100000，b=1:100000，y=rep（NA，100000））
ind=1
系统时间（sapply）（df$a，函数（x）{
df$y[ind]只是一个澄清所讨论问题的问题：如果需要索引，for循环不是更实用吗？或者我没有抓住要点吗？@ROLO:apply函数族通常可以为结果提供非常合理的内存处理，并以实用的形式存储它们，如果
simplify=TRUE
（这在这些简单的例子中并不明显）。从历史上看，它们也曾比“普通”循环快很多，但现在已经不是这样了。因此，对于简单的情况，这并不重要。我觉得cumsum可能非常有趣。请您详细说明如何在sapply中实现它？