如何在R中用apply类函数自动处理列表中矩阵的特征值计算与合并

初始数据生成代码 #

set.seed(123)
A <- matrix(rnorm(20 * 20, mean = 0, sd = 1), 20, 20)
B <- matrix(rnorm(20 * 20, mean = 0, sd = 1), 20, 20)
C <- matrix(rnorm(20 * 20, mean = 0, sd = 1), 20, 20)
D <- matrix(rnorm(20 * 20, mean = 0, sd = 1), 20, 20)
E <- matrix(rnorm(20 * 20, mean = 0, sd = 1), 20, 20)

DATA <- list(A,B,C,D,E)

自动化实现代码 #

你可以用lapply遍历列表中的所有矩阵，批量完成特征值计算、取整操作，再通过do.call合并为数据框，完全替代手动重复的步骤：

# 批量处理每个矩阵，提取并整理特征值
eigen_list <- lapply(DATA, function(mat) {
  round(eigen(mat)$values, 2)
})

# 将列表中的特征值向量合并为数据框
eigen_values_df <- do.call(cbind.data.frame, eigen_list)

# 可选：给数据框的列命名为对应矩阵的名称（A-E）
colnames(eigen_values_df) <- c("A", "B", "C", "D", "E")

代码说明 #

• lapply(DATA, function(mat) {...})：遍历DATA中的每个矩阵，对每个矩阵执行特征值计算，提取values字段并保留两位小数，返回一个包含5个数值向量的列表。
• do.call(cbind.data.frame, eigen_list)：调用cbind.data.frame函数，把列表中的每个向量作为一列合并成数据框，避免手动逐个cbind的繁琐操作。
• 额外的列命名步骤可以让结果数据框的可读性更强，对应到原始的矩阵名称。

另一种简化方式（用sapply） #

sapply会自动将处理后的结果简化为矩阵，再转成数据框，代码更简洁：

eigen_values_df <- as.data.frame(sapply(DATA, function(mat) round(eigen(mat)$values, 2)))
colnames(eigen_values_df) <- c("A", "B", "C", "D", "E")

内容的提问来源于stack exchange，提问作者nickolakis