我试图用一个没有任何成功的简单命令替换这个循环（lapply ？ rapply ？ mapply ？）。也许在 R 中确实需要循环是一种罕见的情况？
n <- 10
x <- vector(mode="numeric", length=n)
for(i in 2:n) {
x[i] <- x[i-1]+runif(1)
}
我的问题表述不当。这些回答帮助我理解了我真正需要的是把一个向量的值访问到一个函数中。使用对于任何函数“f”来说都很简单的循环，我们可以计算出：
x <- c(1,2,3,4)
for(i in 2:4) {
x[i] <- f(x[i-1])
}
也许唯一的方法是全局变量？
【问题讨论】：
对于您的确切问题，您根本不需要 apply 函数，因为您可以使用 cumsum 对其进行矢量化：
您的代码：
n <- 10
x <- vector(mode="numeric", length=n)
set.seed(1)
for(i in 2:n) {
x[i] <- x[i-1]+runif(1)
}
x
[1] 0.0000000 0.2655087 0.6376326 1.2104859 2.1186937 2.3203756 3.2187653 4.1634406 4.8242384
[10] 5.4533524
我的代码：
set.seed(1)
c(0, cumsum(runif(n-1)))
[1] 0.0000000 0.2655087 0.6376326 1.2104859 2.1186937 2.3203756 3.2187653 4.1634406 4.8242384
[10] 5.4533524
【讨论】：
afunction() 是什么？
您可以使用cumsum。因此，只需将零添加到随机变量向量的累积总和
n <- 10
x <- vector(mode="numeric", length=n)
rData <- runif(9)
for(i in 2:n) {
x[i] <- x[i-1]+rData[i-1]
}
identical(c(0, cumsum(rData)), x)
> identical(c(0, cumsum(rData)), x)
[1] TRUE
【讨论】：
你可以像 sapply 一样使用
c(x[1],(sapply(x,function(a){a+runif(1)})[-length(x)]))
【讨论】：
实现此目的的另一种方法是使用Reduce：
f <- function(a, b) a + runif(1)
x <- Reduce(f, x, accumulate = TRUE)
（只是建议将此作为一种通用的替代方案；其他答案中的cumsum 方式更快）
【讨论】：
Reduce(function(a, b) a ^ 2 + b, 1:10, accumulate = T)吗？基本上，您必须将b 视为将值x[i] 和a 的值从应用于x 的先前条目的函数中迭代。因此无需致电length(a)，只需a 即可。 f 是两个“标量”（或长度为 1 的向量，如果您愿意，使用 R 语言）的函数。
f 是否可以访问x 的所有值的问题，在这种情况下答案是否定的，因为这不是Reduce 的工作方式。 Reduce 采用 2 个参数的函数并将其迭代地应用于向量。如果您需要访问x 的所有单个条目，您需要想出另一种方法（可能使用Map，但仍然不确定您的功能是什么样的以及您到底想要做什么）。
f和一个长度为N的向量x，你想获得一个向量(f(x[1]), f(c(x[1], x[2])), ..., f(c(x[1],...,x[N]))，对吧？你写一个函数g <- function(n, v) f(v[1:n])然后使用lapply(1:N, g, v = x)怎么样？不过，这可能不是最有效的方法，我认为如果您更准确地了解 f 的外观，那么您可以加快速度（例如使用 cumsum，正如其他人为您提供的示例所建议的那样）。