如何使用 lapply 或 purrr::map 或任何其他快速方式而不是列表的“for循环”？

Question

我正在计算一个索引，该索引需要物种 x 位点的矩阵和物种之间的共生距离矩阵（从系统发育树生成）。这段代码给出了计算它所需的对象（站点和树）：

library(ape)#phylogenetic tree
library(picante)#ses.mpd calculation
library(purrr)#list of distance matrices

#Sample matrix
set.seed(0000)
site <- matrix(data = sample(c(0, 1), 15, prob = c(0.4, 0.6), replace = T), ncol = 5, nrow = 3)
colnames(site) <- c("t1", "t2", "t3", "t4", "t5")
rownames(site) <- c("samp1", "samp2", "samp3")

#Sample phylogenetic tree
tree <- rcoal(5)

#Reordering species names in the community to match the order in the tree
site <- site[, tree$tip.label]

根据上面的输出，我需要使用相同的社区矩阵计算 ses.mpd 100 次，但要更改距离矩阵（其中 100 个存储在 4gb 的列表中）。我使用for循环计算ses.mpd，但我意识到要得到输出需要一个多月！我之前用过lapply，但是这次不知道怎么用，purrr::map也不知道。我在这里看到过类似的问题：Apply a function to list of matrices 和这里：Calculate function for all row combinations of two matrices in R，但它们实际上都不像我的问题。这是我在for 循环中使用的代码（由@Parfait 更新）。我需要比循环更快的任何其他方式来获得相同的输出。有什么建议吗？非常感谢！

#Empty list for the resolved trees
many.trees <- list()

#Creates 5 resolved trees with the function ape::multi2di
for(i in 1:5){
  many.trees[[i]] <- multi2di(tree)
}

#For each resolved tree, creates a distance matrix
many.dists <- map(many.trees, cophenetic)

#ses.mpd using each of the distance matrices above
out <- list()

for(i in 1:5){
 out.2[[i]] <- ses.mpd(site, many.dists[[length(many.dists)]])# Thanks, @Parfait.
}

Answer 1

考虑一个 apply 系列解决方案以获得更紧凑的代码，并避免初始化空列表并分配给它的簿记。

# Creates 5 resolved trees with the function ape::multi2di
many.trees <- replicate(5, multi2di(tree), simplify = FALSE)   

# For each resolved tree, creates a distance matrix
many.dists <- lapply(many.trees, cophenetic)

# ses.mpd using each of the distance matrices above
out_nested <- lapply(many.dists, function(d) ses.mpd(site, d))

---

要保留名称（如果包含在上述方法中），请将lapply 更改为sapply（等效于lapply 和simplify=FALSE，但保留USE.NAMES=TRUE）。结果将被命名为列表。

# For each resolved tree, creates a distance matrix
many.dists <- sapply(many.trees, cophenetic, simplify = FALSE)

# ses.mpd using each of the distance matrices above
out <- sapply(many.dists, function(d) ses.mpd(site, d), simplify = FALSE)

out$first_name
out$second_name
out$third_name
out$fourth_name
out$fifth_name