在R中循环一个数据帧以有条件地生成另一个数据帧，第一个数据帧中的每一行都有一个或多个行

Question

我有一个这样的数据集：

set.seed(71)
dat <- data.table(region = rep(c('A','B'), each=10),
    place = rep(c('C','D'), 10),
    start = sample.int(5, 20, replace = TRUE),
    end = sample.int(10, 20, replace = TRUE),
    count = sample.int(50, 20, replace = TRUE),
    para1 = rnorm(20,3,1),
    para2 = rnorm(20,4,1))

我想遍历这些数据以有条件地生成另一个包含以下列的表： 区域、地点、开始、结束、计数、计数0 dat 中的每一行可能不止一行。 在新表中，将从 dat 中复制 region、place 和 start 列的数据，并生成 end、count 和 count0 列的数据。

以下是遍历每一行 dat 的规则：

end = end +1
if (count=0) {
  count0=0
} else {
  count0=start*para1 + end*para2
}
if (count0>count) {
  count0=count
}
count = count -count0

我尝试使用 for 循环、if 语句和 mutate 的组合，但无法正确使用。

我希望在通过前两行 dat 后得到这样的表：

region  place   start   end       count         count0
     A      C       2     7  6.01673062    17.98326938
     A      C       2     8           0     6.01673062
     A      D       3     2  5.34392419     7.65607581
     A      D       3     3           0     5.34392419


the first two rows of dat I have are:
region  place   start   end count   para1         para2
     A      C       2     6    24   0.39412969  2.45643
     A      D       3     1    13   0.64372127  2.862456

Answer 1

编辑：这是一种仍然非常快的惰性方法，但代价是临时生成我们将在最后删除的行。我不是计算每行要复制多少份，而是为每一行制作一堆副本，然后应用快速矢量化计算来获取更新的end、count 和count0 值，然后删除行我们不需要。

library(dplyr); library(tidyr)
output <-
  dat %>%
  mutate(orig_row = row_number()) %>%
  uncount(10) %>%   # I'm assuming here that 10 is enough columns
  group_by(orig_row) %>%
  mutate(row = row_number()) %>%
  mutate(
    end = end + row,
    count0 = pmin(count, start * para1 + end * para2), # Edit #2
    count = count - cumsum(count0)
  ) %>%
  filter(lag(count, default = 0) >= 0) %>%
  mutate(count = pmax(0, count),
         count0 = if_else(count == 0, lag(count), count0))
output


# A tibble: 4 x 10
# Groups:   orig_row [2]
  region place start   end count para1 para2 orig_row   row count0
  <chr>  <chr> <int> <int> <dbl> <dbl> <dbl>    <int> <int>  <dbl>
1 A      C         2     7  6.02 0.394  2.46        1     1  18.0 
2 A      C         2     8  0    0.394  2.46        1     2   6.02
3 A      D         3     2  5.34 0.644  2.86        2     1   7.66
4 A      D         3     3  0    0.644  2.86        2     2   5.34

---

初步答案：

我想这是在附近。

警告：我没有得到与您显示的相同的样本数据，我也不了解您提供的样本中的特定数字将如何生成建议的输出。例如，从您显示的dat 的第一行（与我得到的不同），第一个count0 应该是2*0.394 + 6*2.456 = 15.527，不是吗？

我在这里的方法是计算count0，然后计算出有多少count 适合它，然后复制该行的多个副本，每行将count 递减count0。

library(dplyr); library(tidyr)
output <- dat %>%
  mutate(end = end + 1,
         orig_data = row_number(),
         count0 = if_else(count == 0, 0,
                          start*para1 + end*para2),
         copies = 1 + count %/% count0) %>%
  uncount(copies) %>%
  group_by(orig_data) %>%
  mutate(row = row_number() - 1,
         count = count - row * count0)

---

顺便说一句，我的 dat 使用 set.seed(71) 进行不同的初始化。您能否确认您的数据是否按照 OP 中的规定进行了初始化？如果我们可以从同一个地方开始，就会更容易对齐。

> head(dat)
   region place start end count    para1    para2
1:      A     C     2   7    19 3.400587 2.757140
2:      A     D     3   3    31 1.503740 6.089518
3:      A     C     2   8     2 2.561869 5.236298
4:      A     D     2   3    33 3.069835 3.770121
5:      A     C     2   2    21 2.989221 3.547926
6:      A     D     5   5    32 2.720636 5.379352