Question

以下是我要遵循的步骤：

按比例范围（例如80-85,85-90）
为每个数据子集运行两个单独的距离测量函数
使用每个数据子集生成的距离矩阵运行一个壁炉架
生成每个测试结果的列表，每个测试结果都有一个唯一的名称
生成所有mantel-r结果的数据框及其结果相应的p值

我已经编写了完成此过程的代码，但我觉得有一种更优雅，更好的方法。我有什么工作，但我想提高我的R技能，所以任何建议/想法都会受到欢迎。我不是R的新手，但我远不是我想去的地方。

此外，我的代码会在下面的代码中生成不必要的对象（即SS，HB，sp.dis，epa.dis和nam）。它们并不是什么大不了的事，但如果代码不会产生这种副作用，那就太好了。一个可重现的例子（模仿我的数据格式化）和我正在使用的包如下：

library(tidyverse)
library(betapart)
library(vegan)

set.seed(2)
spe2<-data.frame(replicate(10,sample(0:100,100,replace=T)))
spe2$Ag<-round(runif(100, min=0.4, max=1),2)
epa2<-data.frame(replicate(3,sample(1:20,100,replace=T)))
epa2$Ag<-spe2$Ag

Mantel.List<-list()
List.names <- list()
for(i in seq(from=0.85, to=0.95,by=0.05 )){
  SS<-spe2 %>% 
    filter(Ag >= i & Ag < i+0.05)
  HB<-epa2 %>% 
    filter(Ag >= i & Ag < i+0.05)
  sp.dis<-beta.pair(decostand(SS[,1:ncol(SS)-1],'pa'))
  epa.dis<-vegdist(HB[,1:ncol(HB)-1],
                   method = 'euclidean')
  mnt<-mantel(sp.dis$beta.sor,epa.dis)
  Mantel.List[[length(Mantel.List)+1]] <- mnt
   nam<-paste('M.tt',i*100,sep='')
   List.names[[length(List.names)+1]] <- nam
   }
names(Mantel.List)<-List.names
Mantel.Results<-cbind(sapply(Mantel.List, function(x) x$statistic),sapply(Mantel.List, function(x) x$signif))
colnames(Mantel.Results)<-c('Mantel-r', 'p-value')
Mantel.Results

谢谢！

Answer 1

我做了两件事，试图让这段代码更好一些。首先，我删除了所有不必要的对象，并且我通过使用data.table包来完成此操作，这通常是处理data.frames的最有效方法，因为它在子集化时不会复制自身。

其次，我没有使用for循环，而是使用了apply函数。请注意<a>内的分配器<<-，它将替换函数外部的对象。

这是我的建议：

doit()

这可能有点难以阅读，但它确实更有效率。

如何使用多个内部函数和结果使循环更优雅，更短

1 个答案: