如何高效将R函数多输入的输出向量合并为DataFrame？

方法1：利用向量化特性（最优效率） #

你的函数运算都是元素级别的天然向量化操作，不需要逐个调用，直接传入整个input向量即可一次性生成所有结果，再整理成DataFrame：

func <- function(input){
    a <- 15+input
    b <- 5+input
    c <- -5+input
    return(c(a,b,c)) 
}

input <- seq(200,300)

# 直接生成DataFrame（最直观）
result_df <- data.frame(
  a = 15 + input,
  b = 5 + input,
  c = -5 + input
)

# 或者调用原函数后整理
output_vector <- func(input)
result_df <- as.data.frame(
  matrix(output_vector, 
         ncol = 3, 
         byrow = FALSE, 
         dimnames = list(NULL, c("a", "b", "c"))
         )
)

这种方式完全避免了循环或迭代，是R中效率最高的处理方式。

方法2：Base R 迭代处理（适合非向量化函数） #

如果你的函数后续有无法向量化的逻辑，可以用base R的sapply完成迭代，再转置整理：

# 逐个调用函数并转换为DataFrame
result_df <- as.data.frame(t(sapply(input, func)))
colnames(result_df) <- c("a", "b", "c")

方法3：tidyverse 工具链（代码更简洁） #

使用purrr包的map_dfr可以自动将迭代结果按行合并：

library(purrr)

result_df <- map_dfr(input, ~ set_names(func(.x), c("a", "b", "c")))

内容的提问来源于stack exchange，提问作者user21573410