如何在R中基于行列索引高效填充矩阵？

你遇到的问题核心是要避免嵌套循环的低效，同时能给函数传入行列索引。apply()其实不是最适合的选择，因为它是按行/列批量处理，无法直接获取单个元素的行列索引；反而向量化操作或者outer()函数更高效，以下是几种可行方案：

方案1：用outer()直接生成矩阵 #

outer()专门用于对两个向量的所有元素组合应用函数，完美匹配行号和列号的组合场景，而且是向量化实现，效率远高于嵌套循环。

首先可以把你的函数改成向量化版本（用ifelse替代if/else，因为ifelse支持向量输入）：

myfunction <- function(rownumber, colnumber) {
  ifelse(rownumber + colnumber < 7, 4, 2)
}

然后直接用outer()生成矩阵：

m <- outer(1:5, 1:5, FUN = myfunction)

运行结果和嵌套循环完全一致：

> m
     [,1] [,2] [,3] [,4] [,5]
[1,]    4    4    4    4    4
[2,]    4    4    4    4    2
[3,]    4    4    4    2    2
[4,]    4    4    2    2    2
[5,]    4    2    2    2    2

方案2：生成所有索引对后批量处理 #

如果你的函数逻辑更复杂，无法直接适配outer()的向量输入，可以先生成所有行列索引的组合，再批量计算：

# 生成所有行列索引对
indices <- expand.grid(row = 1:5, col = 1:5)

# 批量计算每个索引对应的值（向量化方式）
values <- ifelse(indices$row + indices$col < 7, 4, 2)

# 转换为矩阵
m <- matrix(values, nrow = 5, ncol = 5)

或者用apply()遍历索引对（效率略低于向量化，但仍优于嵌套循环）：

values <- apply(indices, 1, function(x) myfunction(x[1], x[2]))
m <- matrix(values, nrow = 5, ncol = 5)

为什么不推荐用apply()直接处理矩阵？ #

apply()是按行或列对矩阵进行批量处理，每次传入的是整行/整列的数值，无法直接获取当前元素的行列索引；如果要强行获取，需要额外生成索引矩阵，反而增加复杂度，不如上面的方案直接高效。

内容的提问来源于stack exchange，提问作者Aku-Ville Lehtimäki