我在几条记录上煮了一个 paramString 的 df：
idName Str
1 Аэрофлот_Эконом 95111000210102121111010100111000100110101001
2 Аэрофлот_Комфорт 95111000210102121111010100111000100110101001
3 Аэрофлот_Бизнес 96111000210102121111010100111000100110101001
4 Трансаэро_Дисконт 26111000210102120000010100001010000010001000
5 Трансаэро_Туристический 26111000210002120000010100001010000010001000
6 Трансаэро_Эконом 26111000210002120000010100001010000010001000
现在我需要将每个与其他与 levenshtainDist 进行比较，它作为一个函数 （str1，str2） 工作，所以我显然需要双循环。但是，我很确定应该有一种简洁的矢量化（apply/lapply/sapply）方法来做到这一点，但是我找不到任何类似的解决方案......
该函数adist计算广义的列文施泰因距离。这就是你需要的吗？
假设您的数据位于 data.frame 中，使用 ： adist(mydf$Str) 将返回一个矩阵，其中包含每对Str列之间的距离。
由于您有一个 data.frame，我认为进行双循环的最佳方法是 lapply/sapply 双循环，它适用于data.frames：
例如：
df1 <- data.frame(a=1:20,b=1:20) #example dataframe
a <- data.frame(lapply(1:nrow(df1), function(x) {
sapply(1:nrow(df1), function(y) {
sum( df1[x,2], df1[y,2]) #I just add the two cells (I only use the second column here for the demonstration) / replace with your function
}
)
}
)
)
colnames(a) <- 1:20 #change names
第一个lapply将返回nrow(df1)列表，每个列表内将是一个nrow(df1)观察向量（函数的评估）。这意味着您将拥有一个nrow(df1) x nrow(df1)列表，可以像我上面所做的那样非常方便地转换为data.frame。因此，您有一个nrow(df1) x nrow(df1) data.frame 。
以上输出：
> str(a)
'data.frame': 20 obs. of 20 variables:
$ 1 : int 2 3 4 5 6 7 8 9 10 11 ...
$ 2 : int 3 4 5 6 7 8 9 10 11 12 ...
$ 3 : int 4 5 6 7 8 9 10 11 12 13 ...
$ 4 : int 5 6 7 8 9 10 11 12 13 14 ...
$ 5 : int 6 7 8 9 10 11 12 13 14 15 ...
$ 6 : int 7 8 9 10 11 12 13 14 15 16 ...
$ 7 : int 8 9 10 11 12 13 14 15 16 17 ...
$ 8 : int 9 10 11 12 13 14 15 16 17 18 ...
$ 9 : int 10 11 12 13 14 15 16 17 18 19 ...
$ 10: int 11 12 13 14 15 16 17 18 19 20 ...
$ 11: int 12 13 14 15 16 17 18 19 20 21 ...
$ 12: int 13 14 15 16 17 18 19 20 21 22 ...
$ 13: int 14 15 16 17 18 19 20 21 22 23 ...
$ 14: int 15 16 17 18 19 20 21 22 23 24 ...
$ 15: int 16 17 18 19 20 21 22 23 24 25 ...
$ 16: int 17 18 19 20 21 22 23 24 25 26 ...
$ 17: int 18 19 20 21 22 23 24 25 26 27 ...
$ 18: int 19 20 21 22 23 24 25 26 27 28 ...
$ 19: int 20 21 22 23 24 25 26 27 28 29 ...
$ 20: int 21 22 23 24 25 26 27 28 29 30 ...
您甚至可以将其添加到函数中，并采用通用的双循环方式。
附言请记住，使用族apply的任何功能都不是矢量化的，但比for-loop更好。
另一种方法是计算要比较的行的组合，然后使用"mapply"。 我假设您想一次比较矩阵中的两行：
# get combinations
cbn <- combn(nrow(your_data), 2) # take 2 at a time
ans <- mapply(dist_function
, your_data[cbn[1, ], 1]
, your_data[cbn[2, ], 1]
)