如何基于数据框指定rank而非值顺序用cumsum()计算累积倒数

原始数据与需求 #

给定数据框，各列值为预先指定的排名（rank）：

df <- data.frame("A" = c(3, 1, 2),
                 "B" = c(1, 2, 3))

需求是用累积倒数替换原数据框的每个值，计算逻辑为：对应第n名的rank值，替换为 1/(1/1 + 1/2 + ... + 1/n)。例如：

• 第1名：1.0000
• 第2名：0.6667
• 第3名：0.5454

预期输出数据框为：

expected.df <- data.frame("A" = c(0.5454, 1.0000, 0.6667),
                          "B" = c(1.0000, 0.6667, 0.5454))

现有代码问题 #

当前使用的代码：

df.current <- apply(df, 2, function(x) 1 /cumsum(1 / rank(x)))

未得到符合预期的列A结果，原因是rank(x)会重新计算输入值的排名，而非直接使用原数据中已指定的rank值，导致cumsum的计算顺序不符合需求。

正确解决方案 #

直接使用原数据中的rank值，无需重新计算排名，对每一列执行以下操作：

1. 先计算1到最大rank值的累积倒数和
2. 根据每个位置的rank值，取出对应的累积和并计算倒数

代码实现：

# 定义计算累积倒数的函数
calc_cum_reciprocal <- function(rank_vec) {
  max_rank <- max(rank_vec)
  # 预计算所有rank对应的累积倒数和
  cum_sum <- cumsum(1 / 1:max_rank)
  # 根据每个位置的rank值匹配对应的结果，保留4位小数
  round(1 / cum_sum[rank_vec], 4)
}

# 应用到数据框的每一列
df.fixed <- as.data.frame(lapply(df, calc_cum_reciprocal))

运行后得到的df.fixed与预期的expected.df完全一致：

> df.fixed
      A      B
1 0.5454 1.0000
2 1.0000 0.6667
3 0.6667 0.5454

内容的提问来源于stack exchange，提问作者hadi