在连续列中输出嵌套循环

Question

我是循环的新手，我正在努力格式化我的输出。我正在尝试将多个物种 (k) 的不同时间点 (i) 的物种丰度时间序列修改为不同的量级 (j)。对于这些选项中的每一个，我都想要一个显示随时间变化的丰度的列。

我编写了一个循环，当我手动输入 i、j 和 k 的各种值（即我得到具有正确值的单列）时，该循环可以工作，但我不知道如何正确索引输出矩阵。

一个虚拟数据集如下所示（其中 x 和 y 是不同的物种，样本数是时间）：

dat<- data.frame(x = sample(1:100, 100, replace = TRUE), y = sample(1:100, 100, replace = TRUE))

对于我的循环，我还创建了一些其他对象：

length <- nrow(dat)
change <- as.matrix(seq(0.0,0.99,0.2))
change.length <- nrow(change)

以及要填充的最终矩阵（具有正确的尺寸）。 -40 在那里是因为我没有修改时间序列中的前 20 个或后 20 个丰度

final_matrix <- array(0,c(length,(((length-40)*change.length)*2))) # 2 is the number of species in this example

循环如下所示：

for(i in 1:(length-40)) {
  for(j in 1:change.length){
    for(k in 1:2){
timestep1 <- dat[0:(19+(i)),k]   # selecting rows that will not be modified based on min + i for a given species k
timestep2 <- dat[(20+i):(length),k] # selecting rows that will be modified for any given species k (columns)

 result1 <- timestep1*1 # not making any changes to the abundance data
 result2 <- timestep2*change[j,1] # multiplying abundance by change (j)

 resultloop<-c(result1,result2) # binding the two matrices into a single column with 100 rows

 final_matrix[,i*j*k] <- resultloop
}}}

按原样索引的最终矩阵会产生不正确的列数，并产生奇怪的结果，例如全为零的列。

如何索引这个矩阵，以便每列（100 行表示随时间变化的丰度）都为 i、j 和 k 的每个值编制索引？

编辑：一个示例（模拟）虚拟数据集，用于说明我希望输出的样子：

dat<- data.frame(Spx_I1_j1 = sample(1:100, 100, replace = TRUE),
             Spx_I2_j1 = sample(1:100, 100, replace = TRUE),
             Spx_I3_j1 = sample(1:100, 100, replace = TRUE),
             # etc...
             Spx_I1_k2 = sample(1:100, 100, replace = TRUE),
             Spx_I2_k2 = sample(1:100, 100, replace = TRUE),
             #etc...
             Spy_I1_k1 = sample(1:100, 100, replace = TRUE),
             Spy_I2_k1 = sample(1:100, 100, replace = TRUE))

其中 100 个丰度值的每一列由每个修改的时间步长序列 (i) 对于每个物种 (k) 的每个幅度变化 (j) 的单独列表示。

非常感谢您在此问题上提供的任何帮助或建议。

Answer 1

我不太确定你在问什么。这是我的解释。 顺便说一句，请查看How to make a great R reproducible example? 以在将来重新提出您的问题。

#Make some sample data, 10 observations, ignore the first 2 and last 2

ss<-function(x,n){set.seed(x); sample(1:100,n,replace=TRUE)}
dat<-as.matrix(data.frame("Dog"=ss(1,10),"Cat"=ss(2,10))) #Note, make this a matrix!
ind_ignore<-c(1:2,9:10) #these will be ignored, like your first and last x abundances
change <- seq(0.0,0.99,0.2) #5 values, so the expected output is expected to have a dimension of 10 obs by (2 species * 5 changes)
result <- matrix(NA,ncol=ncol(dat)*length(change), nrow=nrow(dat))
colnames(result)<-paste0("V",1:ncol(result))
n_counter<-ncol(dat)-1
counter<-1

> change
[1] 0.0 0.2 0.4 0.6 0.8
> dat
      Dog Cat
 [1,]  27  19
 [2,]  38  71
 [3,]  58  58
 [4,]  91  17
 [5,]  21  95
 [6,]  90  95
 [7,]  95  13
 [8,]  67  84
 [9,]  63  47
[10,]   7  55

然后我只是将 dat 值分配给结果矩阵，并更改 colnames。

for(magnitude in change){
  #Indexes of columns in result that should be modified
  ind_col<-counter:(counter+n_counter)

  #Change names
  colnames(result)[ind_col]<-paste0(colnames(dat),"_",magnitude)

  #Apply the change and assign it to the result
  result[-ind_ignore,ind_col]<-dat[-ind_ignore,]*magnitude
  result[ind_ignore,ind_col]<-dat[ind_ignore,]

  counter<-counter+ncol(dat)
}

输出

> result
      Dog_0 Cat_0 Dog_0.2 Cat_0.2 Dog_0.4 Cat_0.4 Dog_0.6 Cat_0.6 Dog_0.8 Cat_0.8
 [1,]    27    19    27.0    19.0    27.0    19.0    27.0    19.0    27.0    19.0
 [2,]    38    71    38.0    71.0    38.0    71.0    38.0    71.0    38.0    71.0
 [3,]     0     0    11.6    11.6    23.2    23.2    34.8    34.8    46.4    46.4
 [4,]     0     0    18.2     3.4    36.4     6.8    54.6    10.2    72.8    13.6
 [5,]     0     0     4.2    19.0     8.4    38.0    12.6    57.0    16.8    76.0
 [6,]     0     0    18.0    19.0    36.0    38.0    54.0    57.0    72.0    76.0
 [7,]     0     0    19.0     2.6    38.0     5.2    57.0     7.8    76.0    10.4
 [8,]     0     0    13.4    16.8    26.8    33.6    40.2    50.4    53.6    67.2
 [9,]    63    47    63.0    47.0    63.0    47.0    63.0    47.0    63.0    47.0
[10,]     7    55     7.0    55.0     7.0    55.0     7.0    55.0     7.0    55.0

编辑

再次，我不知道我是否正确理解了 cmets，这里什么都没有：

ss<-function(x,n){set.seed(x); sample(1:100,n,replace=TRUE)}
dat<-as.matrix(data.frame("Dog"=ss(1,10),"Cat"=ss(2,10))) #Note, make this a matrix!
ignore<-2 #these will be ignored, like your first and last x abundances
change <- seq(0.0,0.99,0.2) #5 values, so the expected output is expected to have a dimension of 10 obs by (2 species * 5 changes * (10-4 ignored points) timepoints)
n_timepoints<-nrow(dat) - ignore*2
result <- matrix(NA,ncol=ncol(dat)*length(change)*n_timepoints, nrow=nrow(dat))
colnames(result)<-paste0("V",1:ncol(result))
n_counter<-ncol(dat)*n_timepoints-1
counter<-1

for(magnitude in change){
  #Indexes of columns in result that should be modified
  ind_col<-counter:(counter+n_counter)

  #Change names
  colnames(result)[ind_col]<-paste0(colnames(dat),"_",magnitude,"_",rep(1:n_timepoints, each=ncol(dat)))

  for (timepoint in 1:n_timepoints){
    #Apply the change and assign it to the result
    ind_col_timepoint <- counter:(counter+ncol(dat)-1)
    ind_ignore_timepoint<-c(1:(ignore+timepoint-1), (nrow(dat)-ignore+1):nrow(dat))
    result[-ind_ignore_timepoint,ind_col_timepoint]<-dat[-ind_ignore_timepoint,]*magnitude
    result[ind_ignore_timepoint,ind_col_timepoint]<-dat[ind_ignore_timepoint,]
    counter<-counter+ncol(dat)
  }

}