使用汇总（或等效？）在 R 数据框中创建一列函数

Question

我正在处理一些电力数据，这些电力数据对于每一小时、每一天和资产都有一个阶跃函数，该函数指定资产以不断上涨的价格提供电力。我想做的是将这些数据折叠成一个数据框、小标题等，带有日期、时间、资产和特定于行的步进函数。稍后我将使用该步进函数来填充其他一些列。

这是我想做的一个快速可重复的例子。

library(dplyr)
df_test<-data.frame(rep(1:25, times=1, each=4))
names(df_test)[1]<-"asset"
df_test$block<-rep(1:4, times=25)
df_test$from<-rep(seq(0,150,50), times=25)
df_test$to<-df_test$from+50
df_test$index<-runif(100)*100

df_test<-df_test %>% group_by(asset) %>% mutate(price=cumsum(index))

这基本上是我每天每小时的一个示例，除了在我的情况下，区块的数量是不同的（一些公司出价一个区块，其他公司出价高达 7 个区块，但这很可能对这里的问题不重要）。

现在，我想做的是，对于每个资产，使用 from、to 和 price 块并将其按资产存储在数据框中（同样，在我的扩展案例中，它将按日期、小时和资产）。

例如，使用第一组我可以这样做

generate_func<-function(x,y){
  stepfun(x, y, f = as.numeric(0), ties = "ordered",right = FALSE)
}

eg_func<-generate_func(df_test$from[2:4],df_test$price[1:4])

函数 eg_func 让我可以找到资产 1 在任何值 x 处的隐含价格。

eg_func(500)
[1] 43.10305

我想做的是按资产对数据进行分组，然后将每个资产的 eg_func 版本存储在数据框的第二列或等效项中。

基本上，我想做的是：

df_sum<-df_test %>% group_by(asset) %>% summarize(
  step_func=generate_func(from[-1],price)
) 

但我明白了：

Error: Column `step_func` is of unsupported type function

更新：

@akrun 让我更进一步。所以，如果我将函数包装在一个列表中，我可以做我想做的事……至少第一步：

df_func<-df_test %>%
  group_by(asset) %>% 
  summarize(step_func=list(generate_func(from[-1],price)))

所以现在我有一个数据框，每个资产都有一个阶梯函数。现在，我的下一个任务是能够评估该函数以创建一个新列，以特定值评估阶跃函数。因此，例如，我可以以 50 的值评估第一个资产的出价：

df_func[1,2][[1]][[1]](50)
[1] 49.60776

我希望能够在 mutate 命令中执行此操作，因此类似于：

df_func <-df_func %>% mutate(bid_50=step_func[[2]](50))

但这会将第二步功能应用于每个人。如何使用评估为 50 的每个资产的阶跃函数填充 bid_50 列？

使用解决方案再次更新#2 @akrun：

df_func <-df_func %>% mutate(bid_50=map_dbl(step_func, ~ .x(50)))

Answer 1

最好将其包装在list 中，因为eg_func 是一个函数，然后使用map 提取list 元素，将函数应用于传递的参数以创建新列'bid_50'

library(tidyverse)
df_test %>%
  group_by(asset) %>% 
  summarize(step_func=list(generate_func(from[-1],price))) %>%
  mutate(bid_50 = map_dbl(step_func, ~ .x(50)))