Comment créer une boucle For imbriquée dans R (y compris des exemples)

Une boucle for imbriquée vous permet de parcourir des éléments dans plusieurs vecteurs (ou plusieurs dimensions d’une matrice) et d’effectuer certaines opérations.

La structure de base d’une boucle for dans R est :

for(i in 1:4) {
  print (i)
}

[1] 1
[1] 2
[1] 3
[1] 4

Et la structure de base d’une boucle for imbriquée est :

for(i in 1:4) {
  for(j in 1:2) {
    print (i*j)
  }
}

[1] 1
[1] 2
[1] 2
[1] 4
[1] 3
[1] 6
[1] 4
[1] 8

Ce didacticiel montre quelques exemples de création de boucles for imbriquées dans R.

Exemple 1 : boucle For imbriquée dans R

Le code suivant montre comment utiliser une boucle for imbriquée pour remplir les valeurs d’une matrice 4×4 :

#create matrix
empty_mat <- matrix(nrow=4, ncol=4)

#view empty matrix
empty_mat
     [,1] [,2] [,3] [,4]
[1,]   NA   NA   NA   NA
[2,]   NA   NA   NA   NA
[3,]   NA   NA   NA   NA
[4,]   NA   NA   NA   NA

#use nested for loop to fill in values of matrix
for(i in 1:4) {
  for(j in 1:4) {
    empty_mat[i, j] = (i*j)
  }
}

#view matrix
empty_mat

     [,1] [,2] [,3] [,4]
[1,]    1    2    3    4
[2,]    2    4    6    8
[3,]    3    6    9   12
[4,]    4    8   12   16

Exemple 2 : boucle For imbriquée dans R

Le code suivant montre comment utiliser une boucle for imbriquée pour mettre au carré chaque valeur dans un bloc de données :

#create empty data frame
df <- data.frame(var1=c(1, 7, 4),
                 var2=c(9, 13, 15))

#view empty data frame 
df

  var1 var2
1    1    9
2    7   13
3    4   15

#use nested for loop to square each value in the data frame
for(i in 1:nrow(df)) {
  for(j in 1:ncol(df)) {
    df[i, j] = df[i,j]^2
  }
}

#view new data frame
df

  var1 var2
1    1   81
2   49  169
3   16  225

Une note sur le bouclage

En général, les boucles for imbriquées fonctionnent bien sur de petits ensembles de données ou des matrices, mais elles ont tendance à être assez lentes avec des données plus volumineuses.

Pour le Big Data, la famille de fonctions d’application a tendance à être beaucoup plus rapide et le package data.table possède de nombreuses fonctions intégrées qui fonctionnent efficacement sur des ensembles de données plus volumineux.

Ressources additionnelles

Comment parcourir les noms de colonnes dans R
Comment ajouter des lignes à un bloc de données dans R