什么可以替代R中的嵌套循环

我想通过运行给定两个变量

x

和

y

的多个场景，从R中的dataframe

input

创建dataframe

output

。列

output

是列

value

中所有值的总和，其中

xcol

input =
xcol ycol value
1   5   4
2   6   9
3   7   8
4   9   7
5   14  8

及

我的代码当前是这样的：

for (x in 2:6) {
  if (x%% 2){
    next
  }
  for (y in 5:15) {
    if (y %% 5){
      next
    }
    print(x)
    print(y)
    print(sum(input$value[!is.na(input$xcol) & !is.na(input$ycol) & !is.na(input$value) & 
              input$xcol < x &  input$ycol < y]))
  }
}

for（2:6中的x）{
如果（x%%2）{
下一个
}
对于（5:15中的y）{
如果（y%%5）{
下一个
}
打印（x）
打印（y）
打印（总和（输入$value[！is.na（输入$xcol）&！is.na（输入$ycol）&！is.na（输入$value）&）
输入$xcol

我认为应该有更好的方法使用lappy&sapply替换这个嵌套循环，并创建一个数据帧。我非常感谢你的帮助

---

谢谢

这不是最优雅的解决方案，但您可以用lappy替换for循环：

lapply (2:6, function(x) {
  if (x%% 2){
    next
  }
  lapply (5:15, function(y) {
    if (y %% 5){
      next
    }
    print(x)
    print(y)
    print(sum(input$value[!is.na(input$xcol) & !is.na(input$ycol) & !is.na(input$value) & 
              input$xcol < x &  input$ycol < y]))
  })
})

lappy（2:6，函数（x）{
如果（x%%2）{
下一个
}
lappy（5:15，函数（y）{
如果（y%%5）{
下一个
}
打印（x）
打印（y）
打印（总和（输入$value[！is.na（输入$xcol）&！is.na（输入$ycol）&！is.na（输入$value）&）
输入$xcol

从某种意义上讲，这更像是一个实验设计，在这个设计中，您迭代了不同的

x

和

y

的可能值

input =
xcol ycol value
1   5   4
2   6   9
3   7   8
4   9   7
5   14  8

xs <- 2:6
ys <- 5:15
eg <- expand.grid(x = xs, y = ys)
head(eg)
#   x y
# 1 2 5
# 2 3 5
# 3 4 5
# 4 5 5
# 5 6 5
# 6 2 6

从这里开始，您可以迭代行：

eg$out <- sapply(seq_len(nrow(eg)), function(r) {
  sum(input$value[ complete.cases(input) & input$xcol < eg$x[r] & input$ycol < eg$y[r] ])
})
eg
#   x  y out
# 1 2  5   0
# 2 4  5   0
# 3 6  5   0
# 4 2 10   4
# 5 4 10  21
# 6 6 10  28
# 7 2 15   4
# 8 4 15  21
# 9 6 15  36

自从“code golf”之后，我使用了第一个，但是如果实际的

输入

data.frame包含其他列，那么您可能更希望第二个列能够选择哪些列需要非

NA

值

expand.grid

非常适合这种类型的扩展。但是，如果您查看的数据集要大得多（包括您的筛选比

%%

提供的数据集更复杂），那么它可能会有点昂贵，因为它必须在内存中创建整个

data.frame

。Python使用惰性迭代器在这里很有用，在这种情况下，您可能更喜欢使用（github gist中的扩展函数和一些文档：）

eg$out <- sapply(seq_len(nrow(eg)), function(r) {
  sum(input$value[ complete.cases(input) & input$xcol < eg$x[r] & input$ycol < eg$y[r] ])
})
eg
#   x  y out
# 1 2  5   0
# 2 4  5   0
# 3 6  5   0
# 4 2 10   4
# 5 4 10  21
# 6 6 10  28
# 7 2 15   4
# 8 4 15  21
# 9 6 15  36

complete.cases(input)                                         # 1
complete.cases(input[c("xcol","ycol","value")])               # 2
!is.na(input$xcol) & !is.na(input$xcol) & !is.na(input$value) # 3