R语言循环生成矩阵优化及输出相关技术问题求助

目前我通过循环生成了百分比矩阵X、分配金额矩阵Z及组合矩阵Y，每个分组对应一个矩阵（当前仅按Class分组）。现面临以下技术需求：

1. 寻求替代循环的高效实现方案（如转换为函数结合apply），要求方案易编辑控制；
2. 需引入Type作为额外分层变量实现多维度分组，询问更优分组方式；
3. 输出方面：
   (a) 需将列表中的矩阵自动转为独立R对象，而非手动赋值；
   (b) 导出Excel时需自动根据矩阵名称命名工作表，替代手动指定。

虚拟数据集 #

数据集包含Year、Class、Type、累积百分比（Cum.Perc）、残差（Res=1-Cum.Perc）字段，示例如下：

现有R代码 #

# 创建循环迭代用的空对象
X <- matrix(data=0, nrow=5, ncol=5)
Z <- matrix(data=0, nrow=5, ncol=5)
Y <- matrix(data=0, nrow=5, ncol=10)

# 创建输出用的空列表
output.X <- vector("list")
output.Z <- vector("list")
output.Y <- vector("list")

# 创建循环用的Class列表
Class <- list("A", "B")

# 生成现金流并分配对应数值
for (k in Class){
    for (j in 1:5){
        for (i in 1:5){
            df <- subset(data, Class == k)    # 按Class拆分数据集
            df$Incr <- c(df$Cum.Perc[df$Year == 1], diff(df$Cum.Perc)) # 创建增量值
            X[i,j] <- df$Incr[i+j]/df$Res[j]  # 创建现金流
            Z[i,j] <- X[i,j]*df$Amount[j]     # 分配金额
        }
        z <- (j*2)-1
        w <- (j*2)
        Y[ ,z] <- Z[ , j]   # 合并Z和X的输出
        Y[ ,w] <- X[ , j]   # 合并Z和X的输出
    }
    output.X[[k]] <- print(round(X,4)) # 输出
    output.Z[[k]] <- print(round(Z,4)) # 输出
    output.Y[[k]] <- print(round(Y,4)) # 输出
}
# 保存输出到Excel
write.xlsx(output.X, file="output.X.xlsx", sheetName=list("A", "B"), rowNames=FALSE, append=TRUE) 
write.xlsx(output.Z, file="output.Z.xlsx", sheetName=list("A", "B"), rowNames=FALSE, append=TRUE)
write.xlsx(output.Y, file="output.Y.xlsx", sheetName=list("A", "B"), rowNames=FALSE, append=TRUE)

1. 替代循环的高效实现：函数化+purrr/apply #

将核心计算逻辑封装为独立函数，结合分组迭代替代嵌套循环，既提升运行效率，也便于后续修改维护：

步骤1：封装核心计算函数 #

calc_matrices <- function(group_data) {
  # 按Year排序并计算增量值
  group_data <- group_data[order(group_data$Year), ]
  group_data$Incr <- c(group_data$Cum.Perc[1], diff(group_data$Cum.Perc))
  
  # 初始化矩阵
  n_year <- nrow(group_data)
  X <- matrix(0, nrow = n_year, ncol = n_year)
  Z <- matrix(0, nrow = n_year, ncol = n_year)
  Y <- matrix(0, nrow = n_year, ncol = 2*n_year)
  
  # 向量化填充矩阵（替代内层循环）
  for (j in 1:n_year) {
    # 计算X的第j列：仅保留i+j不超过年份数的有效索引
    i_vals <- 1:n_year
    valid_idx <- i_vals + j <= n_year
    X[valid_idx, j] <- group_data$Incr[i_vals[valid_idx] + j] / group_data$Res[j]
    # 计算Z的第j列
    Z[, j] <- X[, j] * group_data$Amount[j]
    # 填充Y的对应列
    Y[, (2*j)-1] <- Z[, j]
    Y[, 2*j] <- X[, j]
  }
  
  # 返回结果列表
  list(
    X = round(X, 4),
    Z = round(Z, 4),
    Y = round(Y, 4)
  )
}

步骤2：分组迭代计算 #

用dplyr的分组拆分+purrr::map实现批量计算，逻辑更清晰：

library(dplyr)
library(purrr)

# 按Class分组计算
grouped_results <- data %>%
  group_by(Class) %>%
  group_split() %>%
  set_names(., map_chr(., ~unique(.$Class))) %>%
  map(calc_matrices)

# 拆分出各类型矩阵列表
output.X <- map(grouped_results, ~.$X)
output.Z <- map(grouped_results, ~.$Z)
output.Y <- map(grouped_results, ~.$Y)

2. 多维度分组（Class+Type）的最优方式 #

直接在group_by中添加Type字段即可实现多维度分组，自动生成组合命名的分组标识：

# 按Class+Type多维度分组计算
grouped_results_multi <- data %>%
  group_by(Class, Type) %>%
  group_split() %>%
  set_names(., map_chr(., ~paste(unique(.$Class), unique(.$Type), sep = "_"))) %>%
  map(calc_matrices)

# 拆分矩阵列表
output.X_multi <- map(grouped_results_multi, ~.$X)
output.Z_multi <- map(grouped_results_multi, ~.$Z)
output.Y_multi <- map(grouped_results_multi, ~.$Y)

3. 输出优化 #

(a) 将列表中的矩阵转为独立R对象 #

使用list2env函数自动将列表元素转为全局环境的独立对象，无需手动逐个赋值：

# 单维度分组：生成X_A、X_B这类命名的独立对象
names(output.X) <- paste0("X_", names(output.X))
list2env(output.X, envir = .GlobalEnv)

# 多维度分组：生成X_A_D、X_B_I这类命名的独立对象
names(output.X_multi) <- paste0("X_", names(output.X_multi))
list2env(output.X_multi, envir = .GlobalEnv)

(b) 自动命名Excel工作表导出 #

改用openxlsx包替代xlsx，支持直接以列表名称作为工作表名，无需手动指定：

library(openxlsx)

# 导出单维度分组的X矩阵，工作表名自动使用分组名称
write.xlsx(output.X, file = "output.X.xlsx", rowNames = FALSE)

# 导出多维度分组的X矩阵同理
write.xlsx(output.X_multi, file = "output.X_multi.xlsx", rowNames = FALSE)

内容的提问来源于stack exchange，提问作者elec