将动态变量分配给R中循环中的其他变量

我使用R进行大数据分析（C5.0或神经网络），数据是使用R.Matlab软件包从Matlab导入的。因为每个参与者的结果是一个136x137相关矩阵，所以我创建了对应于每个参与者的变量（因此变量sub001将包含受试者1的矩阵，变量sub002将包含受试者2的矩阵，依此类推）。然后我想把矩阵变换成向量

假设我有矩阵到向量转换的代码，这样：

---

vector为什么把它们都变成局部变量比把它们留在矩阵中要好？你是说为什么把它们变成向量？这是因为我的下一步是将所有向量组合成一个巨大的矩阵，然后将其用于大数据分析（如C5.0或神经网络）。不，我的问题是这样的：“因为每个参与者的结果是一个136x137相关矩阵，我创建了对应于每个矩阵的变量”。看起来你有一个矩阵，然后将单个（行|列）提取到单独的局部变量中，并以此为基础（我无法读取R）。对吗？如果没有，则需要更新描述。如果是，你为什么要这么做？这似乎是不必要的困难，我明白了。事实上，我正在使用R.Matlab包将数据从Matlab导入R，因此在每个.mat文件中，我都有来自一个参与者的多个数据（相关矩阵、行为结果等）。我所需要的数据就是相关矩阵，所以在上面的代码中我写了
matName哦，我想我明白了。某种程度上。谢谢（还有，如果你具体说明你所说的“它似乎不起作用”是什么意思，你会得到更好的答案——它怎么会失败？这就成了一个问题）为什么把它们都变成局部变量比把它们留在矩阵里更好？你的意思是为什么把它们变成向量？这是因为我的下一步是将所有向量组合成一个巨大的矩阵，然后将其用于大数据分析（如C5.0或神经网络）。不，我的问题是这样的：“因为每个参与者的结果是一个136x137相关矩阵，我创建了对应于每个矩阵的变量”。看起来你有一个矩阵，然后将单个（行|列）提取到单独的局部变量中，并以此为基础（我无法读取R）。对吗？如果没有，则需要更新描述。如果是，你为什么要这么做？这似乎是不必要的困难，我明白了。事实上，我正在使用R.Matlab包将数据从Matlab导入R，因此在每个.mat文件中，我都有来自一个参与者的多个数据（相关矩阵、行为结果等）。我所需要的数据就是相关矩阵，所以在上面的代码中我写了
matName哦，我想我明白了。某种程度上。谢谢（此外，如果你详细说明“它似乎不起作用”是什么意思，你会得到更好的答案——它怎么会失败？这就是问题所在）
#transforming the correlation matrix to 1D vectors
for (i in 1:n){
  if (i < 10){
    vecName <- paste("sub00",i,"_vec",sep = "")
    matName <- paste("sub00",i,"$Z",sep = "")#Z is the subset corresponding to the correlation matrix in the entire data set from Matlab
  }
  if (i >= 10 && i < 100){
    vecName <- paste("sub0",i,"_vec",sep = "")
    matName <- paste("sub0",i,"$Z",sep = "")#Z is the subset corresponding to the correlation matrix in the entire data set from Matlab
  }
  if (i >= 100 && i < 1000){
    vecName <- paste("sub",i,"_vec",sep = "")
    matName <- paste("sub",i,"$Z",sep = "")#Z is the subset corresponding to the correlation matrix in the entire data set from Matlab
  }
  assign(vecName,mat2vec(matName))
}