Данные (OP)
M=10
N=10
c=2
n=seq(1, 4, by=1)
p=0.25
q=seq(1,0.25, by =-0.05)
ntrials = 10
Создание параметров, передача функции через pmap
Это создаст все необходимые вам комбинации значений
params <- expand.grid(
trial = 1:10,
M = M,
N = N,
c = c,
n = n,
p = p,
q = q
) %>%
as_tibble()
View(params)
# > nrow(params)
# [1] 640
# replace with your own, of course
my_madeup_function <-
function(M, N, c, n, p, q) {
matrix(data = rep(M * N + c - n * p * q, 100),
nrow = 10,
ncol = 10)
}
# we use `purrr::pmap`, an apply-type function to pass all of the parameters (except for trials) to the function:
result <- tibble(matrix = pmap(select(params, -trial), my_madeup_function))
Свяжите параметры и результаты в хорошем резюме:
summary <- bind_cols(params, result)
Давайте посмотрим на результаты:
> summary
# A tibble: 640 x 8
trial M N c n p q matrix
<int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <list>
1 1 10 10 2 1 0.25 1 <dbl[,10] [10 x 10]>
2 2 10 10 2 1 0.25 1 <dbl[,10] [10 x 10]>
3 3 10 10 2 1 0.25 1 <dbl[,10] [10 x 10]>
4 4 10 10 2 1 0.25 1 <dbl[,10] [10 x 10]>
5 5 10 10 2 1 0.25 1 <dbl[,10] [10 x 10]>
6 6 10 10 2 1 0.25 1 <dbl[,10] [10 x 10]>
7 7 10 10 2 1 0.25 1 <dbl[,10] [10 x 10]>
8 8 10 10 2 1 0.25 1 <dbl[,10] [10 x 10]>
9 9 10 10 2 1 0.25 1 <dbl[,10] [10 x 10]>
10 10 10 10 2 1 0.25 1 <dbl[,10] [10 x 10]>
# ... with 630 more rows
Мы можем выбрать определенный с чем-то вроде:
summary %>%
filter(trial == 8, n == 2, q == 0.5) %>%
.$matrix %>%
.[[1]]
На моей машине microbenchmark::microbenchmark
сообщил о времени работы около 7 мс, но это было с моей "фиктивной" функцией.Надеюсь, ваша функция тоже работает быстро.Удачи.