我的 for 循环应该在 1000 的时间段内每 50 次执行一次，在 matlab 中有这样的 1:50:1000 我们在 R 中有什么类似的东西吗？请让我知道从 1 开始，增量为 50 到 1000
问问题
1637 次
2 回答
3
该函数有一个by 参数seq：
R> seq(0,1000,by=50)
[1] 0 50 100 150 200 250 300 350 400 450 500 550 600 650
[15] 700 750 800 850 900 950 1000
所以你可以使用：
R> for (i in seq(0,1000,by=50)) print(i)
[1] 0
[1] 50
[1] 100
[1] 150
[1] 200
[1] 250
[1] 300
[1] 350
[1] 400
[1] 450
[1] 500
[1] 550
[1] 600
[1] 650
[1] 700
[1] 750
[1] 800
[1] 850
[1] 900
[1] 950
[1] 1000
于 2013-09-26T07:21:38.090 回答
1
编辑 - 使用apply（无循环）可能是最干净的解决方案：
apply(stored[seq(1,1000,50), ], 1, yourfunction) # 其中 1 表示超过行。
使用模（循环）
我通常的做事方式是使用模数来获得所需的行为。例如，每 50 次迭代打印一次迭代，同时对每次迭代执行一些操作：
stored <- 1:1000
for (i in 1:1000) {
stored[i] <- rnorm(1)
if (i %% 50 == 0) { print(i) }
}
这将允许完全控制，因为您还可以每次执行其他操作，例如通过添加另一个迭代 100 次if i modulo x == 0, then ...
序列方法的问题是你不能在循环中有效地存储：
stored <- 1:1000
for (i in seq(0,1000,by=50)) {
stored[i] <- rnorm(1)
print(i)
}
打印会很好，但结果向量将是：
[1] NA NA NA NA NA NA
[7] NA NA NA NA NA NA
[13] NA NA NA NA NA NA
[19] NA NA NA NA NA NA
[25] NA NA NA NA NA NA
[31] NA NA NA NA NA NA
[37] NA NA NA NA NA NA
[43] NA NA NA NA NA NA
[49] NA -0.73339457 .... ... ... etc
为了解决这个问题，你还必须做一些除法，所以我发现只使用普通循环然后使用模来进行完美控制是最有效的。
使用sapply（无循环）
正如您在评论中指出的那样，您想要实际存储一些东西，为此，序列上的循环会给您留下漏洞。所以你可以使用sapply（申请家庭文件，阅读这个）
通常，可以使用sapply(1:1000, function(x) mean(stored[x,]))，函数可以是任何东西。如果您希望每次迭代都可以使用 colMeans 之类的快捷方式。
但是，由于您需要一个序列，您可以使用sapply, 并为其提供变量参数。
seqMean <- function(x) {
mean(stored[x,])
}
sapply(seq(1,1000,50), function(x) seqMean(x))
或简而言之：
sapply(seq(1,1000,50), seqMean)
于 2013-09-26T07:29:51.687 回答