在R（和许多其他语言）中，您将使用的形式for-loop。在R中，有几个针对循环的包装器，它们在*apply家庭中有特定的结果。以下是该*apply族及其输入/输出的简短列表（不完整）：

• lapply ->列表输出
• sapply ->列表或原子（整数向量，数字向量等）
• mapply->类似于，sapply但是可能需要多个输入（例如，如果您要循环两个类似的东西）
• tapply ->循环定义的组 INDEX
• apply ->遍历数组（行或列）返回矩阵/向量

等等。

我猜您的示例不完整，但是我将展示3个示例来帮助您入门。一个使用一个for-loop，一个使用lapply和一个使用mapply。

for-loop

for循环是经典方法（在大多数编程语言中都可以找到）。它通过将for(---)where---替换为要迭代的东西来工作。可以是error_list或可以是数字矢量seq(1, n)或1:n。在这里，您有1件以上的东西要迭代，因此数值向量是有意义的（并且我们使用它来对数据进行子集化）

errors <- list() # <== Somewhere to put our results
for(i in 1:length(error_list)){
  error_i <- list(file = file, 
                  file_name = "Clients",
                  error = error_list[[i]], # Use i to subset error_list
                  qtde = error_list[[i]], # Maybe this should be something else in your case
                  desc = description_list[[i]]
                  )
  # Put into our errors list. Create "error1" using paste and our index
  errors[[paste0('error', i)]] <- error_i 
}

到最后，所有结果都将显示在errors要使用errors[1]或errors["errors1"]（将数字更改为您的错误）的列表中。然后可以do.call(rbind, errors)使用write.table（write.csv或类似方法）对其进行组合，然后进行保存。

lapply

对于*apply家庭来说，*apply可以照顾到循环。但是，相反，我们必须提供一个函数以在每次迭代中执行（用SAS术语表示的宏）。因此，我们将循环的内容包装在上面的函数中。

macro <- function(i){
 list(file = file, 
      file_name = "Clients",
      error = error_list[[i]], # Use i to subset error_list
      qtde = error_list[[i]], # Maybe this should be something else in your case?
      desc = description_list[[i]]
      )
}
errors <- lapply(1:length(error_list), macro)
#set names afterwards
names(errors) <- paste0("error", 1:length(error_list))

再一次，我们准备将数据提取出来保存等。这等效于：

errors <- list()
for(i in 1:length(error_list))
  errors[[i]] <- macro(i)
names(errors) <- paste0("error", 1:length(error_list))

mapply

现在，根据您的情况，您有1件以上的事情要进行迭代。一种替代方法是使用mapply这些参数并将其作为参数添加到您的函数中。这样，我们从函数中删除error_list[[i]]并description_list[[i]]改为将其作为参数添加

macro_mapply <- function(error, description){
 list(file = file, 
      file_name = "Clients",
      error = error, # No need to use I here anymore
      qtde = error, # Maybe this should be something else in your case?
      desc = description
      )
}
errors <- mapply(macro_mapply, 
                 # parameters to iterate over comes after function
                 error = error_list, 
                 description = description_list,
                 # Avoid simplification (if we want a list returned)
                 SIMPLIFY = FALSE)
names(errors) <- paste0("error", 1:length(error_list))

请注意，如果可能，“ mapply”将尝试返回一个向量，因此我设置SIMPLIFY = FALSE为避免这种情况。

注意事项：

在上面的3个示例中，如果您读取了多个files或任何其他参数正在更改，则我没有考虑在内。因此，如果您必须在每次迭代中读取一个文件，则可以选择前两个示例，并readRDS使用适当的文件命名将其添加到循环或函数中。我也使用了您的数据，但是我猜想qtde并且error在您的特定情况下应该有所不同，但这在您的示例中还不清楚。

我希望这会帮助您入门。

一旦您掌握了我的第一个循环的窍门，并且对它*apply的工作方式有所了解，那么我建议您检查一下tidyverse哪些可以提供对数据转换更“用户友好”和直观的界面。

我希望这将帮助您开始解决问题。