如何用R的apply系列函数同时为多个变量赋值？

你的需求是从列表li中找到foo值最小的元素，同时记录其对应的索引。下面针对你的问题逐一说明：

关于apply/lapply的适用性 #

apply系列函数（包括lapply）的设计核心是对每个元素做独立处理并返回结果集合，属于无状态迭代——每次迭代不会保留上一次的计算状态（比如你需要持续更新的best_foo和best_i）。硬要用apply/lapply实现你的需求不仅代码冗余，效率也未必优于原生for循环，甚至可能更差，因此并不推荐。

最优实现：向量化操作 #

在R中，向量化操作是效率最高的处理方式，完全可以跳过循环或apply，直接一步完成需求：

# 提取列表中所有元素的foo值，转为向量
foo_values <- sapply(li, function(x) x$foo)
# 找到最小值对应的索引
best_i <- which.min(foo_values)
# 获取最小的foo值
best_foo <- foo_values[best_i]

这个方案利用R的底层向量化优化，代码简洁且性能远高于迭代类操作。

若非要用apply类函数实现（不推荐） #

如果坚持要用lapply模拟你的循环逻辑，只能通过全局变量传递状态，写法繁琐且不优雅：

# 初始化状态容器
state <- list(best_foo = Inf, best_i = NA)

# 用lapply遍历索引并更新状态
invisible(lapply(1:length(li), function(i) {
  current_foo <- li[[i]]$foo
  if (current_foo < state$best_foo) {
    # 用<<-修改全局环境中的状态变量
    state$best_foo <<- current_foo
    state$best_i <<- i
  }
}))

# 提取最终结果
best_foo <- state$best_foo
best_i <- state$best_i

这种写法依赖全局变量修改，代码可读性差，效率也不如原生for循环，完全没必要采用。

补充：关于R中for循环的效率误区 #

现在的R版本（3.4+）对for循环做了大量优化，只要不在循环内频繁创建大对象，简单for循环的效率并不会比apply差太多。但向量化操作始终是R的最优选择，优先考虑向量化，而非盲目替换for循环为apply。

内容的提问来源于stack exchange，提问作者hantan