如何将五个for循环简化为嵌套的for循环？

我试图计算1000个矩阵的L2条件数。但是，我是针对不同维度的矩阵来做的。例如，我计算1000个5x5矩阵的L2条件数，然后再做同样的事情，但要计算10x10矩阵，以此类推

我已经完成了这个问题，但是这里的问题是我有5个for循环，它们做同样的事情。我知道我可以通过嵌套for循环来简化代码，但我不知道该怎么做。我在下面附上了我的代码

请注意，这些数字是根据矩阵的维数随机生成的

#Set up for loops
set.seed(2019) 
CN5 <- NULL
CN10 <- NULL

# First for loop for n = 5
## n = 5
for(i in 1:1000){
  CN5[i] <- kappa(matrix(rnorm(25), nrow = 5))
}

mean(CN5)
sd(CN5)
median(CN5)

#Second for loop with n = 10
## n = 10
for(i in 1:1000){
  CN10[i] <- kappa(matrix(rnorm(100), nrow = 10))  
}

mean(CN10)
sd(CN10)
median(CN10)

#为循环设置
种子集（2019年）
CN5看起来你可以把这些放在同一个循环中：

for(i in 1:1000){
  CN5[i] <- kappa(matrix(rnorm(25), nrow = 5))
  CN10[i] <- kappa(matrix(rnorm(100), nrow = 10))  
}

for（1:1000中的i）{
CN5[i]看起来你可以把这些放在同一个循环中：

for(i in 1:1000){
  CN5[i] <- kappa(matrix(rnorm(25), nrow = 5))
  CN10[i] <- kappa(matrix(rnorm(100), nrow = 10))  
}

for（1:1000中的i）{
CN5[i]注释中建议的一般程序是，编写一个带有参数的函数，该参数考虑了不同迭代之间（或可能）的变化

从您的代码中，唯一变化的是方阵的维数
nxn

set.seed（2019年）
cn_function注释中建议的一般过程是，编写一个带有参数的函数，该参数考虑了不同迭代之间（或可能）的变化

从您的代码中，唯一变化的是方阵的维数
nxn

set.seed（2019年）
cn_函数经验法则是，如果你需要重复某件事两次以上，为该任务编写一个函数。经验法则是，如果你需要重复某件事两次以上，为该任务编写一个函数。