如何将两次poLCA循环合并为单次循环以提升运行效率？

原来的代码重复两次调用poLCA()拟合模型，在大数据场景下会造成大量不必要的计算耗时。下面直接给出合并后的代码，同时完成模型存储与AIC/BIC指标记录：

# poLCA
library(poLCA)
data("carcinoma")

# 提前初始化所有需要的对象，避免循环中频繁修改结构
lc <- vector("list", length = 3)  # 对应2、3、4类，共3个模型
gc_AIC_BIC <- data.frame(class = integer(3), AIC = numeric(3), BIC = numeric(3))

f <- cbind(A, B, C, D, E, F, G) ~ 1 

for (idx in seq_along(2:4)) {
  i <- 2:4[idx]  # 当前要拟合的类别数
  # 仅拟合一次模型
  current_model <- poLCA(f, carcinoma, nclass = i)
  # 将模型存入列表
  lc[[idx]] <- current_model
  # 提取AIC和BIC存入数据框
  gc_AIC_BIC[idx, ] <- list(class = i, AIC = current_model$aic, BIC = current_model$bic)
}

关键优化点： #

• 单次拟合，多用途提取：循环内只调用一次poLCA()，所有需要的模型对象、AIC、BIC都从这次拟合结果中提取，彻底消除重复计算。
• 提前初始化对象：预先定义模型列表和指标数据框的结构，比循环中用rbind或动态追加更高效，尤其适合大数据场景。
• 合并指标存储：将AIC和BIC整合到同一个数据框中，后续查看、分析更便捷；如果坚持要分开存储，可将循环内的指标赋值拆分为两个数据框的操作即可。

内容的提问来源于stack exchange，提问作者Bruce