我想要做的是给定矩阵，例如：mat <- matrix(1:100, nrow = 4)和列c_w <- combn(c(1,2,3,4), 2)的一组组合。我想计算每个组合的平均值。因此，对于第一个组合，对于第二个rowMeans(mat[,c_w[,1]])，我们有rowMeans(mat[,c_w[,2]])。到目前为止这么好，我可以将它包装在for循环中，然后使用行组合将结果组合成一个漂亮的结果矩阵。然而问题是性能，如果可能的话，我想以矢量化的方式做到这一点。所以我的问题是：
我们可以在R代码中没有for循环吗？
修改 我希望以Matrix格式表示，其中每列代表每组的平均值。然而，这也可以通过对Arun代码的一些小的补充来实现。请将评论转为答案，以便我给你积分:)。
由于
答案 0 :(得分：2)
我们可以使用FUN中的combn参数在rowMeans步骤中直接在combn步骤中对combn进行子集化。列索引派生自 combn(1:4, 2, FUN=function(x) rowMeans(mat[,x]))
# [,1] [,2] [,3] [,4] [,5] [,6]
#[1,] 3 5 7 7 9 11
#[2,] 4 6 8 8 10 12
#[3,] 5 7 9 9 11 13
#[4,] 6 8 10 10 12 14
combn如果我们获得split输出，则另一个选项是col的{{1}}＆＃39; c_w＆＃39;并循环显示＆＃39;列表＆＃39;具有sapply的元素，其中包含了＆＃39; mat＆＃39;使用数字索引并获取rowMeans
sapply(split(c_w, col(c_w)), function(x) rowMeans(mat[,x]))
# 1 2 3 4 5 6
#[1,] 3 5 7 7 9 11
#[2,] 4 6 8 8 10 12
#[3,] 5 7 9 9 11 13
#[4,] 6 8 10 10 12 14
或者第三种方法是连接（c），来自c_w的列索引并使用它来获取＆＃39; mat＆＃39;的列，创建一个{{1} }具有指定的尺寸。在这里，我们知道4是＆＃39; mat的行数，2是＆＃39; m＆＃39;在array和combn中指定为＆＃39; c_w＆＃39;的ncol。使用6循环，将MARGIN指定为＆＃39; 3＆＃39;，然后获取apply。
rowMeans或者正如@ A.Webb所提到的， apply(array(mat[,c(c_w)], c(4,2,6)), 3, rowMeans)
# [,1] [,2] [,3] [,4] [,5] [,6]
#[1,] 3 5 7 7 9 11
#[2,] 4 6 8 8 10 12
#[3,] 5 7 9 9 11 13
#[4,] 6 8 10 10 12 14
对于像apply
c_w