计算列中的值作为同一行位置中前一列值的函数答案

【问题标题】：Calculating values in a column as a function of previous column value in same row position计算列中的值作为同一行位置中前一列值的函数
【发布时间】：2020-08-16 19:57:22
【问题描述】：

我有很多列，我想根据函数 (1 + x) ^ k 计算其值，其中 x 是来自特定列的值，k 是我们尝试计算的列的索引。我只想为表的所有列的一个子集计算这个。

例如：

df = data.frame(A = c(0.1, 0.05, 0.2), B = c(1, 1, 1), C = c(NA, NA, NA), D = c(NA, NA, NA)

我只想使用 A 列中的值将该函数应用于 C 列和 D 列。

例如 df[1,4] 将被计算为 (1 + (-0.1)^4，因为 4 是 D 列的索引。

另一种解释是，对于选定的列（本例中为 C 和 D），该值是前一列的值乘以 (1+x)，即 df[1,4] = df[1,3] * (1 + (-0.1))，给出相同的结果

【问题讨论】：

标签： r function dataframe

【解决方案1】：

一个dplyr 选项可能是：

df %>%
 rowwise() %>%
 mutate((1 + A)^(across(C:D, ~ replace(., is.na(.), 1)) * which(names(.) %in% c("C", "D"))))

      A     B     C     D
  <dbl> <dbl> <dbl> <dbl>
1  0.1      1  1.33  1.46
2  0.05     1  1.16  1.22
3  0.2      1  1.73  2.07

或者如果 C 和 D 列总是 NA：

df %>%
 rowwise() %>%
 mutate((1 + A)^(1^across(C:D) * which(names(.) %in% c("C", "D"))))

【讨论】：

【解决方案2】：

可能是这样的：

f = function(df, target_cols = c("C", "D"), index_col = "A"){
  
  # df is your data frame 
  # target_cols is a vector of columns you want apply the function (1 + x)^k 
  # index_col is the the x in (1 + x)^k

  stopifnot(all(target_cols %in% names(df)))
  stopifnot(index_col %in% names(df))
  
  # Get index of target columns i.e k
  which_col = which(names(df) %in% target_cols)
  
  # Loop over columns
  for(i in which_col){
    df[, i] = (1 + df[, index_col])^i
  }
  
  return(df)
  
}

df = data.frame(A = c(0.1, 0.05, 0.2), B = c(1, 1, 1), C = c(NA, NA, NA), D = c(NA, NA, NA))
f(df)                

     A B        C        D
1 0.10 1 1.331000 1.464100
2 0.05 1 1.157625 1.215506
3 0.20 1 1.728000 2.073600

【讨论】：

【解决方案3】：

你描述的函数定义如下：

func1 = function(df, i) {
  (1+df[1]^i)
}

【讨论】：

【解决方案4】：

base R 中的一个选项是

df[3:4] <- (1 + df$A)^col(df)[, 3:4]

或Reduce

df[c('C', 'D')] <- lapply(match(c('C', 'D'), names(df)), function(i) 
     Reduce(function(x, y) (1 + y)^i, df[, 'A'],
          accumulate = TRUE, init = df$A[1])[-1])

df
#     A B        C        D
#1 0.10 1 1.331000 1.464100
#2 0.05 1 1.157625 1.215506
#3 0.20 1 1.728000 2.073600

或使用map/accumulate

library(purrr)
library(dplyr)
map_dfc(set_names(match(c('C', 'D'), names(df)), names(df)[3:4]), ~ {
            i <- .x
            accumulate(df$A,  ~(1 + .y)^i, 
              .init = first(df$A))[-1]}) %>% 
   bind_cols(df[1:2], .)
#     A B        C        D
#1 0.10 1 1.331000 1.464100
#2 0.05 1 1.157625 1.215506
#3 0.20 1 1.728000 2.073600

【讨论】：

谢谢！这证明了对于接缝复杂的问题通常有简单的解决方案。