R语言循环遍历矩阵列计算各变量月度演变率求助

方案1：向量化实现（推荐，性能更高代码更简洁） #

R原生支持向量批量运算，无需循环即可快速完成计算，代码如下：

# 提取待计算的数值列（排除第一列日期）
value_cols <- info_mat[, 2:ncol(info_mat)]
# 按公式批量计算所有变量的演变率
evolution_values <- (value_cols[2:nrow(value_cols), ] - value_cols[1:(nrow(value_cols)-1), ]) / value_cols[1:(nrow(value_cols)-1), ]
# 匹配对应日期：演变率对应后一个月份，取原矩阵第二行开始的日期列
date_col <- info_mat[2:nrow(info_mat), 1, drop = FALSE]
# 合并日期和计算结果得到最终矩阵
evolution_matrix <- cbind(date_col, evolution_values)
# 保持列名和原矩阵一致
colnames(evolution_matrix) <- colnames(info_mat)

注意：演变率的行数会比原矩阵少1行，因为首个月份没有上期数据可以计算

方案2：修正索引后的嵌套for循环实现 #

如果你需要用循环逻辑实现，修正索引越界问题后的代码如下：

# 初始化结果矩阵：行数比原矩阵少1，列数和原矩阵一致
evolution_matrix <- matrix(nrow = nrow(info_mat) - 1, ncol = ncol(info_mat))
# 先填充第一列日期
evolution_matrix[, 1] <- info_mat[2:nrow(info_mat), 1]
# 遍历所有变量列（从第2列开始）
for (j in 2:ncol(info_mat)) {
  # 遍历所有可计算的行
  for (i in 1:(nrow(info_mat) - 1)) {
    # 按公式计算对应位置的演变率
    evolution_matrix[i, j] <- (info_mat[i+1, j] - info_mat[i, j]) / info_mat[i, j]
  }
}
# 保持列名和原矩阵一致
colnames(evolution_matrix) <- colnames(info_mat)

额外说明 #

如果原矩阵数值列存在0值，计算时会出现Inf结果，可根据业务需求提前过滤0值行或者替换为缺失值处理。

内容的提问来源于stack exchange，提问作者dreamR