如何将for循环转换为在r中应用

R 的apply函数必须被表述为 1）要迭代的东西，以及 2）要应用于 (1) 中的每个元素的函数。

但！您是否会从将您的特定循环转换为应用程序中获得任何收益，这是值得怀疑的。如果你的循环很慢，我猜这是由于执行的操作，而不是“R 在循环上很慢”。如果 中只有 6 行Y，则将循环重新制定为应用程序将一无所获！

对于您的循环，每个i都是独立的（与循环相反i，当结果取决于对 的计算时i-1）。因此，这使得重新制定配方变得非常容易。一般来说，

for (i in some_sequence) {
  do something with i
}

可以重新表述为

my_do_something <- function(i) {
  do something
}

for (i in some_sequence) {
  my_do_something(i)
}

可以再次直接重新表述为

sapply(some_sequence, my_do_something)

在你的情况下，这将是

my_rotate <- function(i) {
  e = lmmlite::eigen_rotation(K, t(Y)[i,], use_cpp = T)
  VC = lmmlite::fitLMM( ... )
  write.table(...)
  write.table(...)
  NULL
}

sapply(seq_len(dim(Y)[2]), my_rotate)

注意我是如何NULL在函数底部添加的？那是因为apply将从迭代函数中收集返回值；write.table返回写入的数据不可见。尝试没有最后一个的函数NULL，看看apply返回什么。

但是等等，还有更多！

由于您正在迭代特定的行（并特别询问apply），让我们放弃这些i东西并将该行提供给函数：

my_rotate_row <- function(x) {
  # you might or might not need to either use x as is, transpose it as t(x) or double transpose it, t(t(x)), to get the correct orientation. 
  # x is most likely an atomic vector, whereas `eigen_rotation` might be requiring either a row-vector or a column vector.

  e = lmmlite::eigen_rotation(K, x, use_cpp = T)
  VC = lmmlite::fitLMM( ... )
  # lets collect data directly into a data.frame or matrix, instead of using files:
  c(VC$sigmasq_g, VC$sigmasq_e)
}

现在您可以使用apply：

apply(Y, 2, my_rotate_row)