R语言循环中向数据框追加混合效应模型结果的方法求助

你的问题核心是每次循环都直接覆盖了results对象，没有保留之前迭代的结果。下面提供两种实用的解决方法：

方法1：预先初始化空数据框，循环内用rbind追加 #

先创建一个列名和数据类型匹配的空数据框，每次循环把新结果行追加进去：

library(nlme)

data(mtcars)
names_mdl <- c("cyl",  "disp", "hp",   "drat")

# 预先初始化空数据框，指定列类型避免类型转换问题
results <- data.frame(
  "Explanatory Variable" = character(),
  "Lower Conf Int" = numeric(),
  "Upper Conf Int" = numeric(),
  "P Value" = numeric(),
  stringsAsFactors = FALSE
)

for (n in names_mdl){
  exp <- mtcars[,n]
  
  # 拟合混合效应模型
  mlme <- lme(mpg ~ exp, random = ~ 1|cyl, data = mtcars, 
              control = lmeControl(msMaxIter = 1000, msMaxEval = 1000))
  
  sum_mlme <- summary(mlme)
  conf <- intervals(mlme, level = 0.95, which = 'fixed')
  
  lower <- conf$fixed["exp","lower"]
  upper <- conf$fixed["exp","upper"]
  p <- coef(sum_mlme)[2, "p.value"]
  
  # 生成当前行结果
  current_row <- data.frame(
    "Explanatory Variable" = n,
    "Lower Conf Int" = lower,
    "Upper Conf Int" = upper,
    "P Value" = p,
    stringsAsFactors = FALSE
  )
  
  # 追加到结果数据框
  results <- rbind(results, current_row)
}

# 查看最终结果
results

方法2：用列表收集结果，最后合并成数据框（更高效） #

当迭代次数较多时，rbind循环追加会频繁修改数据框，效率较低。推荐先把每个迭代的结果存入列表，最后一次性合并：

library(nlme)

data(mtcars)
names_mdl <- c("cyl",  "disp", "hp",   "drat")

# 初始化空列表
results_list <- list()

for (i in seq_along(names_mdl)){
  n <- names_mdl[i]
  exp <- mtcars[,n]
  
  mlme <- lme(mpg ~ exp, random = ~ 1|cyl, data = mtcars, 
              control = lmeControl(msMaxIter = 1000, msMaxEval = 1000))
  
  sum_mlme <- summary(mlme)
  conf <- intervals(mlme, level = 0.95, which = 'fixed')
  
  lower <- conf$fixed["exp","lower"]
  upper <- conf$fixed["exp","upper"]
  p <- coef(sum_mlme)[2, "p.value"]
  
  # 将当前结果存入列表的对应位置
  results_list[[i]] <- data.frame(
    "Explanatory Variable" = n,
    "Lower Conf Int" = lower,
    "Upper Conf Int" = upper,
    "P Value" = p,
    stringsAsFactors = FALSE
  )
}

# 合并列表中的所有数据框
results <- do.call(rbind, results_list)

# 查看最终结果
results

关键说明 #

• 原代码中sum是R的内置求和函数，建议不要用它做变量名，改成sum_mlme这类更清晰的名字，避免函数冲突。
• 两种方法的核心都是保留之前的迭代结果，而不是每次都重新赋值覆盖。列表收集的方式在大数据量下性能更优。

内容的提问来源于stack exchange，提问作者John Conor