R语言嵌套循环迭代求解方程 未知长度结果如何存储

• 首选空列表存储中间结果的方案，适配结果长度未知的场景，避免数据框逐行追加带来的性能损耗：

# 初始化空列表和计数器
res_list <- list()
count <- 1

for (i in SR_value) {
  for (j in SA_range) {
    calc_res <- cot(j*(pi/180))*log(tan(j*(pi/180)) + sec(j*(pi/180)))
    if (near(calc_res, i, tol = 0.0002)) {
      res_list[[count]] <- data.frame(SR = i, SA = j)
      count <- count + 1
    } 
  }
}

# 合并所有结果为统一数据框
final_res <- do.call(rbind, res_list)

如果数据量不大，也可以直接初始化空数据框逐行追加，写法更简单。

原嵌套循环的性能瓶颈来自R的原生循环开销，完全可以用向量化操作替代，运行速度可以提升数十倍：

1. 首先封装计算函数，方便复用：

calc_sr <- function(SA_deg) {
  rad <- SA_deg * pi / 180
  cot(rad) * log(tan(rad) + sec(rad))
}

2. 向量化批量计算+过滤，不需要写任何循环：

library(tidyverse)
final_res <- crossing(SR = SR_value, SA = SA_range) |> # 生成所有SR和SA的组合
  mutate(calc_val = calc_sr(SA)) |>
  filter(near(calc_val, SR, tol = 0.0002)) |>
  select(SR, SA)

3. 如果是解方程场景，不需要固定步长遍历SA的话，可以使用求根函数直接求解，精度更高、速度更快：

library(pracma)
# 单个SR的求根函数
solve_sa <- function(target_sr) {
  root_func <- function(deg) calc_sr(deg) - target_sr
  # 指定求解区间为0.01~89.99度
  root_res <- fzero(root_func, c(0.01, 89.99))
  return(root_res$x)
}
# 批量求解所有SR对应的SA值
solved_sa <- map_dbl(SR_value, solve_sa)

注意：求根方案默认返回区间内的一个根，如果同一个SR对应多个SA值，建议使用前面的向量化遍历方案，确保所有符合条件的结果都能被捕获。

内容的提问来源于stack exchange，提问作者Juan_814