使用循环在R中创建矩阵

我试图在一个相对较小的数据集n=22，p=17上，在一个由LARS算法生成的线性回归上做一个遗漏交叉验证。基本上，我需要创建n个标准化数据矩阵，每个列由以平均值为中心的条目和以列的SD为标准的条目组成

我以前从未使用过列表，但只要不同矩阵的列可以被操作/标准化，我愿意创建列表

以下是我在R中尝试的：

for (i in 1:n)
{
  x.standardized.i <- matrix(data = NA, nrow = (n-1), ncol = p)  #creates n matrices, all n-1 x p
  for (j in 1:p)
  {
    x.standardized.i[,j] <- ((x[-i,j]-mean(x[-i,j]))/sd(x[-i,j])) #and standardizes the p variables with the ith row missing in each n matrix (i increments from 1 to n)
  }
}

---

我不确定是否可以共享数据，因为它与某个类的成绩相关，但当我运行代码时，它会通过循环并通过指定一个标准化矩阵停止，最后一行缺失为x.standarized.I

使用sapply和scale，您可以非常简单地做到这一点：

为确认各列以其平均值为中心，并通过一个标准差进行标准化：

apply(A, c(2, 3), mean)
apply(A, c(2, 3), sd)

---

您的循环返回一个矩阵，因为每次通过n个循环时，您都会在x.i中覆盖上一个循环的结果。你可以通过创建一个3D阵列来解决这个问题，并将其分配到三维空间，例如x.i.这太酷了，非常感谢！我想有一个更简单的方法。

A[,, 1] # all rows, all cols, first slice
A[,, 10] # all rows, all cols, tenth slice

apply(A, c(2, 3), mean)
apply(A, c(2, 3), sd)