值的滞后，取之前的值逻辑

Question

这是我尝试在whatiwant 专栏上实现的目标：

df1 <- data.frame(value = c(99.99,99.98,99.97,99.96,99.95,99.94,
                            99.93,99.92,99.91,99.9,99.9,99.9),
                  new_value = c(NA,NA,99.98,NA,99.97,NA,
                                NA,NA,NA,NA,NA,NA),
                  whatiswant = c(99.99,99.96,99.98,99.95,99.97,99.94,
                                 99.93,99.92,99.91,99.9,99.9,99.9))

用词来解释它 whatiswant 应该有 new_value 的值，对于那些没有 new_value 的词，它应该取下一个可用的最低值。

我认为这是一种滞后的东西。这是data.frame：

   value new_value whatiswant
1  99.99        NA      99.99
2  99.98        NA      99.96
3  99.97     99.98      99.98
4  99.96        NA      99.95
5  99.95     99.97      99.97
6  99.94        NA      99.94
7  99.93        NA      99.93
8  99.92        NA      99.92
9  99.91        NA      99.91
10 99.90        NA      99.90
11 99.90        NA      99.90
12 99.90        NA      99.90

编辑：逻辑解释如下：

1. 第 1 步。如果 new_value 不是 NA，则 col3 采用该值。所以第三个和 第 5 行已排序。
2. 第 2 步。第一行 col3 取 col1 的值，因为 col2 为 NA。
3. Step 3. 2nd row col3 取 col1-row4 的值，作为 2nd 和 3nd col1 的行值已在步骤 1 中使用。
4. 第四步，第 4 行 col3 取 col1-row5 的值，和上面的所有行一样 来自 col1 是在前面的步骤中获取的。
5. 第 5 步。col3 中的其余行 6-12 采用相同的值 col1-rows6-12 因为 col2 是 NA 并且数字 col1-row6-12 不是 在前面的步骤中使用。

Answer 1

以函数的形式，每一步在注释中，有不清楚的地方问一下：

t1 <- function(df) {
  df[,'whatiswant'] <- df[,'new_value'] # step 1, use value of new_value
  sapply(1:nrow(df),function(row) { # loop on each row
    x <- df[row,] # take the row, just to use a single var instead later
    ret <- unlist(x['whatiswant']) # initial value
    if(is.na(ret)) { # If empty
      if (x['value'] %in% df$whatiswant) { # test if corresponding value is already present
        ret <- df$value[!df$value %in% df$whatiswant][1] # If yes take the first value not present
      } else {
        ret <- unlist(x['value']) # if not take this value
      }
    }
    if(is.na(ret)) ret <- min(df$value) # No value left, take the min
    df$whatiswant[row] <<- ret # update the df from outside sapply so the next presence test is ok.
  })
  return(df) # return the updated df
}

输出：

>df1[,3] <- NA # Set last column to NA
> res <- t1(df1)
> res
   value new_value whatiswant
1  99.99        NA      99.99
2  99.98        NA      99.96
3  99.97     99.98      99.98
4  99.96        NA      99.95
5  99.95     99.97      99.97
6  99.94        NA      99.94
7  99.93        NA      99.93
8  99.92        NA      99.92
9  99.91        NA      99.91
10 99.90        NA      99.90
11 99.90        NA      99.90
12 99.90        NA      99.90