我没能设计出正确的代码来使用foreach运行嵌套循环。我使用了一个巨大的数据集，所以这里需要并行化。
我需要随机抽样1/4的数据集，不替换4次（所以整个数据集是重新抽样），并计算相关系数和p值为每对变量4次。我一直在工作的代码如下，我的目标是一个输出看起来像这样（与rbinding每个输出从每个季度抽样）。

#from one of the quarters
      estimate  pvalue  Var1 Var2
      0.678     0.03    a     b
      0.754     0.04    a     b
      0.546     0.01    a     b
      0.567     0.03    a     b
     -0.234     0.14    a     c
     -0.321     0.34    a     c
     -0.456     0.43    a     c
     -0.456     0.52    a     c
      

      x <- colnames(df)
      df_use <- data.frame(t(combn(x,2)), stringsAsFactors=F)
      a <- 1/4 

    registerDoParallel(cl <- makeCluster(6))

 res <-
  foreach(i=1:4, .combine='rbind') %:%
     foreach(j=1:nrow(df.2), .combine='rbind', .packages=c("magrittr",  "dplyr")) %dopar% {
 df.2 = dplyr::sample_frac(df_use, a, replace = FALSE)
   out.frac = broom::tidy(cor.test(prac4[,df.2[j,1]],
                                   prac4[,df.2[j,2]],
                       method = "spearman")) %>% 
         mutate(Var1=df.2[j,1], Var2=df.2[j,2])
 c(out.frac$estimate, out.frac$p.value, out.frac$Var1, out.frac$Var2)
}

任何帮助或指导将不胜感激！
编辑：以上所做的一切都是将主df_use分为4，然后将每对变量的相关系数和p值重复4次（它们完全相同，不太可能是每对测试的情况）。
目的是随机抽样任意配对数据集值的1/4（当考虑两个变量之间的相关性时），并重复4次，因此不太可能对该大型数据集中测试的每两个变量重复完全相同的相关性和p值。