R语言新手求助：实现求和与乘积结合的特定数学计算

问题拆解 #

你需要完成的计算逻辑是：

1. 对矩阵X的每一行（该行的各列值即为z₁到zᵣ），计算每个列j的项：$\frac{l_j^{|x_j - z_j|}}{\sum_{z'_j \in X_j} l_j^{|z'_j - z_j|}}$
2. 将该行所有列的项相乘，得到该行的结果
3. 对所有行的结果取均值

原代码问题 #

你的代码逻辑存在两处关键错误：

• 嵌套循环中，每次仅处理单个列的项，prod()只计算了单个列的值，而非所有列的乘积；且每次循环内调用mean()，此时只有单个数值，均值计算无效。
• 未收集所有行的计算结果，无法得到最终的整体均值。

正确实现代码 #

基础循环版本（易理解）

# 定义变量
X <- matrix(c(0,1,2,1,2,4), ncol = 2)
x <- c(2, 5)
l <- c(0.5, 0.5)

# 存储每行的乘积结果
row_results <- numeric(nrow(X))

# 遍历每一行
for (i in 1:nrow(X)) {
  current_prod <- 1
  # 遍历每一列计算项并相乘
  for (j in 1:ncol(X)) {
    numerator <- l[j]^abs(x[j] - X[i, j])
    # 分母是当前列所有值与z_j（即X[i,j]）的绝对值差的l[j]次幂之和
    denominator <- sum(l[j]^abs(X[, j] - X[i, j]))
    current_prod <- current_prod * (numerator / denominator)
  }
  row_results[i] <- current_prod
}

# 计算最终均值
final_mean <- mean(row_results)
print(final_mean)

向量化优化版本（更高效）

如果处理大规模矩阵，用apply和mapply的向量化操作可以避免显式循环，提升效率：

X <- matrix(c(0,1,2,1,2,4), ncol = 2)
x <- c(2, 5)
l <- c(0.5, 0.5)

# 对每一行计算所有列项的乘积
row_prods <- apply(X, 1, function(row) {
  prod(mapply(function(z_j, x_j, l_j, col_idx) {
    numerator <- l_j^abs(x_j - z_j)
    denominator <- sum(l_j^abs(X[, col_idx] - z_j))
    numerator / denominator
  }, row, x, l, seq_along(row)))
})

# 计算均值
final_mean <- mean(row_prods)
print(final_mean)

内容的提问来源于stack exchange，提问作者Braydon