将循环输出存储在R中的每个迭代的数据帧中

我想做的是存储veh.velocity的输出，并将其组合到每个迭代的新数据帧y中。我知道最好先设置一个空数据框，然后在最后合并数据列。不同的迭代也有不同数量的行。仅仅考虑前20个是可能的吗？非常抱歉，如果下面有一些问题和误解，我几个月前才开始编程。谢谢

CSV文件：

---

若你们只想绘制一个单独车辆ID的时间序列，我不确定是否有理由使用循环。例如，您可以轻松创建时间变量并使用ggplot2进行绘图：

您可以使用tidyr中的pivot_来重塑数据：

library(tidyr)
result <- df1 %>% 
            group_by(id) %>%
            mutate(time = 1:n()) %>%
            dplyr::select(time, xVelocity) %>% 
            pivot_wider(id_cols = time, values_from = xVelocity,
                        names_prefix = "Veh.", names_from = id)
result
# A tibble: 414 x 287
    time Veh.1 Veh.3 Veh.7 Veh.11 Veh.12 Veh.14 Veh.15 Veh.25 Veh.31 Veh.47 Veh.50 Veh.53 Veh.55 Veh.59
   <int> <dbl> <dbl> <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
 1     1  40.8  35.7  32.6   24.7   35.8   41.5   35.7   37.9   39.2   39.2   40.3   39.5   33.0   38.2
 2     2  40.9  35.7  32.6   24.8   35.8   41.5   35.7   37.9   39.2   39.2   40.3   39.5   33.0   38.2
 3     3  40.9  35.7  32.6   24.8   35.8   41.5   35.7   38.0   39.2   39.2   40.3   39.6   33.0   38.2
 4     4  40.9  35.7  32.6   24.8   35.8   41.5   35.7   38.0   39.2   39.2   40.3   39.6   33.1   38.2
 5     5  40.9  35.7  32.6   24.8   35.8   41.5   35.7   38.0   39.2   39.2   40.3   39.6   33.1   38.1
 6     6  40.9  35.7  32.6   24.9   35.8   41.6   35.7   38     39.2   39.2   40.4   39.6   33.1   38.1
 7     7  40.9  35.7  32.7   24.9   35.8   41.6   35.7   38.0   39.2   39.2   40.4   39.6   33.1   38.1
 8     8  40.9  35.7  32.7   24.9   35.8   41.6   35.7   38.0   39.2   39.3   40.4   39.6   33.1   38.1
 9     9  41.0  35.8  32.7   25.0   35.8   41.6   35.7   38.0   39.2   39.3   40.4   39.6   33.1   38.1
10    10  41.0  35.8  32.7   25     35.8   41.6   35.7   38.1   39.2   39.3   40.4   39.7   33.1   38.1
# … with 404 more rows, and 272 more variables:

---

尝试访问您的csv文件时出错。您是否已授予正确的访问权限？总的来说，如果在R中使用for循环，有一种更好的方法。当然也有例外，但我怀疑这里没有。我的首选方法是制作数据，然后使用group_by处理每辆车。如果做不到这一点，我将使用lappy来处理每个车辆，然后绑定_行以加入结果。另外，考虑从结果演示中分离数据准备。我不认为在一个循环中进行绘图是个好主意，对于大多数情况来说，这将是太多的无用情节。如果您想对数据进行一些转换，在大多数情况下，“变异”和“转化”将是更好的选择。很少会出现创建空数据的情况。需要创建空数据帧。此外，在某些情况下，purrr:：map_dfr可能非常有用。

library(dplyr)
library(ggplot2)
df1 %>% 
  group_by(id) %>%
  mutate(time = 1:n()) %>%
ggplot(aes(x = time, y = xVelocity, color = as.factor(id))) +
  geom_line(show.legend = FALSE, alpha = 0.5)

library(tidyr)
result <- df1 %>% 
            group_by(id) %>%
            mutate(time = 1:n()) %>%
            dplyr::select(time, xVelocity) %>% 
            pivot_wider(id_cols = time, values_from = xVelocity,
                        names_prefix = "Veh.", names_from = id)
result
# A tibble: 414 x 287
    time Veh.1 Veh.3 Veh.7 Veh.11 Veh.12 Veh.14 Veh.15 Veh.25 Veh.31 Veh.47 Veh.50 Veh.53 Veh.55 Veh.59
   <int> <dbl> <dbl> <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
 1     1  40.8  35.7  32.6   24.7   35.8   41.5   35.7   37.9   39.2   39.2   40.3   39.5   33.0   38.2
 2     2  40.9  35.7  32.6   24.8   35.8   41.5   35.7   37.9   39.2   39.2   40.3   39.5   33.0   38.2
 3     3  40.9  35.7  32.6   24.8   35.8   41.5   35.7   38.0   39.2   39.2   40.3   39.6   33.0   38.2
 4     4  40.9  35.7  32.6   24.8   35.8   41.5   35.7   38.0   39.2   39.2   40.3   39.6   33.1   38.2
 5     5  40.9  35.7  32.6   24.8   35.8   41.5   35.7   38.0   39.2   39.2   40.3   39.6   33.1   38.1
 6     6  40.9  35.7  32.6   24.9   35.8   41.6   35.7   38     39.2   39.2   40.4   39.6   33.1   38.1
 7     7  40.9  35.7  32.7   24.9   35.8   41.6   35.7   38.0   39.2   39.2   40.4   39.6   33.1   38.1
 8     8  40.9  35.7  32.7   24.9   35.8   41.6   35.7   38.0   39.2   39.3   40.4   39.6   33.1   38.1
 9     9  41.0  35.8  32.7   25.0   35.8   41.6   35.7   38.0   39.2   39.3   40.4   39.6   33.1   38.1
10    10  41.0  35.8  32.7   25     35.8   41.6   35.7   38.1   39.2   39.3   40.4   39.7   33.1   38.1
# … with 404 more rows, and 272 more variables: