用于灵敏度分析的 R 嵌套 For 循环

Question

我是 R 的新手，我已经尝试了一段时间来做一些事情，我认为这很简单，但我总是失败（不幸的是，对我来说，这并不意味着它是不简单！）。

我定义了一个函数，它将时间序列作为输入并在最后输出单个值（作为向量）。该函数有两个参数（从现在开始 n 和 m）影响输出，所以它看起来像这样：

fnc <- function(x, n, m)

我的目标是store/see（可能在矩阵中？）输出同时改变n和m（所以，一个基本的敏感性分析，如果这有意义？）。

我的尝试是创建一个空矩阵，运行几个 n 和 m 值的嵌套 for 循环，并相应地填充矩阵。

所以，像这样 （我知道下面的代码会出错，因为 i,j 值最终会超出 3x3 矩阵的范围，但这只是其中之一我做的不合逻辑的试验):

n_lens = c(750, 1000, 1250)
m_lens = c(250, 300, 350)

output_matrix = matrix(data=NA, nrow = length(n_lens), ncol = length(m_lens))

for (i in n_lens){
  for (j in m_lens){
        output_matrix[i,j] <- function(x, i, j)
      }  
    }

不幸的是，他们都远未完成工作。

非常感谢suggestion/tip。

Answer 1

我自由地定义了一个简单的 fnc 函数。这个想法是循环 n_lens 的索引而不是 n_lens 的值。与 R 的其他方式相比，R 中的嵌套 for 循环可能（将会？）更慢。

它产生所需的输出。

fnc <- function(x, n, m)
{ 
  return (n+m)
}

n_lens = c(750, 1000, 1250)
m_lens = c(250, 300, 350)
x = 1

len_n = length(n_lens)
len_m = length(m_lens)
output_matrix = matrix(data=NA, nrow = length(n_lens), ncol = length(m_lens))

for (i in seq(len_n)){
  for (j in seq(len_m)){
    output_matrix[i,j] <- fnc(x, n_lens[i], m_lens[j])
  }  
}
output_matrix

收到的输出是

     [,1] [,2] [,3]
[1,] 1000 1050 1100
[2,] 1250 1300 1350
[3,] 1500 1550 1600

用于灵敏度分析的 R 嵌套 For 循环

R Nested For Loop for a Sensitivity Analysis

for-loop

nested

r

time-series