首先，我认为jay.sf的答案更简洁，对我来说可能是一个更好（或更有效）的选择。然而，我已经写了下面的内容，所以我想我可能会与我的替代品。
选项1：要按原样使用for循环（几乎），您需要生成缺失的数据并使用NA填充它，例如使用嵌套循环。（我还将sum（）改为+来对值求和）

df_full=data.frame(company=NULL, year=NULL, value1=NULL, value2=NULL)

#extract data
for(comp in 1:max(df$company)) { #per company
  for (yr in c(2019, 2020, 2021)){#per year
    
    #subset original dataframe by company and year
    dfsub=subset(df, company==comp & year==yr)
    
    if (sum(dfsub)==0) { #no data so output NA
        dfsub=data.frame(company=comp,
                         year=yr,
                         value1=NA,
                         value2=NA)
    } 
    
    #bind subset to output dataframe
    df_full=rbind(df_full, dfsub)
  }
}

#Now use your for loop on df_full
df_sum <- data.frame()

for (i in 1:3) {
  # number of the company
  df_sum[i, 1] <- i
  # sum of the company's values (notice change to sum() function)
  df_sum[i, 2] <- sum(df_full[df_full$company == i & df_full$year == 2020, "value1"], df_full[df_full$company == i & df_full$year == 2020, "value2"])
}

字符串
选项2：使用类似的嵌套循环一次对所有年份求和

df_sum <- data.frame(Company=NULL, value=NULL)

for(comp in 1:max(df$company)) { #per company
  for (yr in c(2019, 2020, 2021)){#per year
    
    #subset original dataframe by company and year
    dfsub=subset(df, company==comp & year==yr)
    
    if (sum(dfsub)==0) { #no data so output NA
      output=data.frame(company=comp, year=yr, value=NA)
    } else { #data exists so sum it
      output=data.frame(company=comp, year=yr, value=sum(dfsub$value1, dfsub$value2))
    }
    #bind output to df_sum
    df_sum=rbind(df_sum, output)
  }
}

型
希望有助于更明确地了解发生了什么，但有更有效的方法来完成这类事情

公司2在2020年没有观测值，所以你想分配给df_sum[i, 2] <-的长度为零，这就是错误所抱怨的。
你可以考虑处理一个if/else子句的情况，在这里我们分配NA_realif，没有any观察。

df_sum <- matrix(NA, nrow=length(unique(df$company)), ncol=2) |>
  as.data.frame() |>
  setNames(c('company', 'sum_of_values'))  ## *

for (i in 1:3) {
  # number of the company
  df_sum[i, 1] <- i
  # sum of the company's values
  v <- with(df, company == i & year == 2020)
  if (any(v)) {
    df_sum[i, 2] <- df[v, "value1"] + df[v, "value2"]
  } else {
    df_sum[i, 2] <- NA_real_
  }
}

df_sum
#   company sum_of_values
# 1       1           121
# 2       2            NA
# 3       3           363

字符串

• 最好用它的大小初始化对象，当它在这种情况下已知时。其效果是，内存是预先分配的，因此速度要快得多。

如果没有for循环（在R中相当慢），你可以将cbind公司转换为rowSums两个值，到2020年将其子集化，并将merge公司转换为unique公司。

cbind(df['company'], 
      sum_of_values=rowSums(df[c('value1', 'value2')]))[df$year == 2020, ] |>
  merge(unique(df[c('company')]), all=TRUE)
#   company sum_of_values
# 1       1           121
# 2       2            NA
# 3       3           363

型