R：将循环结果存储在向量中答案

【问题标题】：R: Storing Loop Result in a VectorR：将循环结果存储在向量中
【发布时间】：2021-01-03 13:18:29
【问题描述】：

我正在尝试运行一个将结果存储在向量中的循环。但我还需要在预定向量上增加计数器，以使存储的计算正常运行。我被困在两个部分：（1）增加计数器，（2）将循环结果存储在向量中。

我是循环新手，所以请忍受下面最有可能不正确的语法；这是我正在使用的：

x <- c(.01,.05,.10,.20,.25) # observed defect rates
for(i in x) {
  j <- 1
  if(x < 1){
    atmost2[] <- dbinom(0,size=10,prob=x[[j]])+
    dbinom(1,size=10,prob=x[[j]])+
    dbinom(2,size=10,prob=x[[j]]) &&
      j <- j + 1
  }
}
atmost2

本质上，我想将结果存储在一个新向量 atmost2 中，每个连续循环通过增加 j 来遍历 x 中的向量值； j 应该增加以从 x 中的预定向量值更改 dbinom 中的 prob 参数。

有人可以帮忙吗？

【问题讨论】：

代码的工作原理不清楚。因为j <- 1 是一个常量，所以应该将它移到for 循环之外。不需要if(x < 1) 语句，因为所有x 值都小于1。等式中的逻辑运算符&& 对我来说没有意义。此外，if 中的 j <- j + 1 术语只会在循环中使用 j <- 1 重新初始化为 1，如果您将其保留在那里。

标签： r loops for-loop vector indexing

【解决方案1】：

一些事情：

juljo 在循环之前初始化向量是正确的，他们做了一些其他的更正，但我认为他们的代码只有在你已经建立的情况下才有效：

j <- 1

否则，juljo 的代码就会中断。

此外，您的代码不需要“&&”即可工作。只需将 j

j <- 1
x <- c(.01,.05,.10,.20,.25) # observed defect rates
atmost2 <- as.numeric(1:length(x))  # this initializes the vector to a predetermined length which may help with very large loops
for(i in 1:length(x)) {
  
  if(x < 1){
    atmost2[i] <- dbinom(0,size=10,prob=x[j])+   # note that the double brackets are gone
      dbinom(1,size=10,prob=x[j])+
      dbinom(2,size=10,prob=x[j]) 
  }
  j <- j + 1  # I think you want j to increment outside the if statement
}
atmost2

此代码执行“某些操作”，但有一些警告，我不确定您要做什么。

您也可以跳过添加 dbinom 并改为：

j <- 1
x <- c(.01,.05,.10,.20,.25) # observed defect rates
atmost2 <- as.numeric(1:length(x))  # this initializes the vector to a predetermined length which may help with very large loops
for(i in 1:length(x)) {
  
  if(x < 1){
    atmost2[i] <- sum(dbinom( 0:2 , size=10,prob=x[j]))  #dbinom will give a vector that can be summed
  }
  j <- j + 1  # I think you want j to increment outside the if statement
}
atmost2

但我认为使用 j 迭代器可能是其他编程语言的习惯。注意使用循环但没有 j 的相同输出：


x <- c(.01,.05,.10,.20,.25) # observed defect rates
atmost2 <- as.numeric(1:length(x))  # this initializes the vector to a predetermined length which may help with very large loops
for(i in 1:length(x)) {
  
  if(x < 1){
    atmost2[i] <- sum(dbinom(0:2,size=10,prob=x[i])) 
  }
  }
atmost2

这些都产生相同的输出：

> atmost2
[1] 0.9998862 0.9884964 0.9298092 0.6777995 0.5255928

但我有后续问题：

atmost2 应该与 x 长度相同吗？

您是否使用 x 中的值作为概率？那么，atmost2 是基于 x[i] 的值的 dbinom 概率之和？

它必须是一个循环吗？ R 很好地使用了向量，因此 apply 函数可能会有所帮助。您可能会发现 lapply 在这里很有用。 ?apply 可能会让你开始 ?lapply 将给出其他应用函数的描述。

所以你的代码可能看起来像这样

x <- c(.01, .05, .10, .20, .25)
atmost2 <- as.numeric(1:length(x)) 

atmost2 <- lapply(x, function(x) sum(dbinom( 0:2 , size = 10, prob = x)))

atmost2   # this is a list, not a vector

lapply 函数如下所示：

应用于列表中的项目，'x'，一个函数。

在这种情况下，该函数是一个匿名函数“sum(dbinom....)”

因此，将函数 sum(dbinom...) 应用于 x 的每个值并返回一个列表。

基本上，它会为您完成循环。并且通常比 for 循环（在 R 中）快几倍。

如果您需要 atmost2 不是列表而是向量，您可以：

unlist(atmost2)

>   unlist(atmost2)
[1] 0.9998862 0.9884964 0.9298092 0.6777995 0.5255928

根据Rui的提醒编辑

使用 sapply，其他一切都一样，但输出确实是一个向量。

x <- c(.01, .05, .10, .20, .25)
atmost2 <- as.numeric(1:length(x)) 

atmost2 <- sapply(x, function(x) sum(dbinom( 0:2 , size = 10, prob = x)))

atmost2   # this is a vector

【讨论】：

如果您使用sapply 而不是lapply，则不需要unlist。赞成，顺便说一句。
当然。我假设 OP 是新的，根据我自己的经验， lapply 更容易理解。
Brian 是对的，我的答案必须进行编辑，并且 j 需要替换为 i。显然sapply 解决这个问题的方式更好。
感谢您的回复！所有人都对理解 R 中的功能非常有帮助（你可能已经注意到我很绿）。我对您的问题的跟进： atmost2 应该与 x 的长度相同吗？ --> atmost2 应该和 x 的长度相同你是否使用 x 中的值作为概率？ --> 是那么，atmost2 是基于 x[i] 值的 dbinom 概率之和？ --> 是的；使用 sum 函数和从 0:2 开始排序的合并是 rad！它必须是一个循环吗？ --> 没有；使用 lapply 和 sapply 的解决方案非常适合简洁和合并

【解决方案2】：

这样调用元素怎么样：

x <- c(.01,.05,.10,.20,.25) # observed defect rates
atmost2 <- numeric() # Initialize vector before filling it in the loop
for(i in 1:length(x)) {
  if(x[i] < 1){
    atmost2[i] <- dbinom(0,size=10,prob=x[i])+
      dbinom(1,size=10,prob=x[i])+
      dbinom(2,size=10,prob=x[i])
  }
}
atmost2

【讨论】：