R语言中如何高效实现依赖前一行的逐行mutate操作？

针对你需要计算依赖前一行结果的case、case_cum、population_1三个变量的场景，以下几种方案比原生for循环更高效简洁，尤其适合大数据量：

1. 使用data.table优化循环 #

data.table的内存操作效率远高于普通data.frame，即使保留循环结构，速度也会大幅提升：

library(data.table)
set.seed(123)
dat <- data.table(month = 1:12,
                  population = rep(1000, 12),
                  rate = runif(12, 0.01, 0.05))

# 批量初始化变量
dat[, `:=`(case = NA_real_, case_cum = NA_real_, population_1 = NA_real_)]

# 处理第一行
dat[1, `:=`(
  case = population * rate,
  case_cum = case,
  population_1 = population - case_cum
)]

# 滚动计算后续行
for (i in 2:nrow(dat)) {
  dat[i, `:=`(
    case = dat[i-1, population_1] * rate,
    case_cum = case + dat[i-1, case_cum],
    population_1 = population - case_cum
  )]
}

2. 用purrr的累积函数实现函数式计算 #

利用purrr::accumulate封装状态流转逻辑，代码更简洁，可读性强：

library(purrr)
library(dplyr)
set.seed(123)
dat <- data.frame(month = 1:12,
                  population = rep(1000, 12),
                  rate = runif(12, 0.01, 0.05))

# 定义单步计算逻辑：输入前一步状态，输出当前步状态
calc_next <- function(prev, curr) {
  curr_case <- prev$pop1 * curr$rate
  curr_cum <- curr_case + prev$cum
  curr_pop1 <- curr$population - curr_cum
  list(case = curr_case, cum = curr_cum, pop1 = curr_pop1)
}

# 初始化第一行状态
init_state <- list(
  case = dat$population[1] * dat$rate[1],
  cum = dat$population[1] * dat$rate[1],
  pop1 = dat$population[1] - (dat$population[1] * dat$rate[1])
)

# 从第二行开始累积计算
result_list <- accumulate(dat[-1, ], calc_next, .init = init_state)

# 将结果合并回原数据框
result_df <- bind_rows(result_list)
dat <- dat %>% 
  mutate(
    case = result_df$case,
    case_cum = result_df$cum,
    population_1 = result_df$pop1
  )

3. 数学推导简化计算（最高效） #

观察计算逻辑可推导递推公式，减少变量跟踪：

• case_cum[i] = case_cum[i-1]*(1 - rate[i]) + population[i-1]*rate[i]
• 得到case_cum后，case可通过差分计算，population_1直接用population - case_cum

set.seed(123)
dat <- data.frame(month = 1:12,
                  population = rep(1000, 12),
                  rate = runif(12, 0.01, 0.05))

# 计算累积病例数
dat$case_cum <- numeric(nrow(dat))
dat$case_cum[1] <- dat$population[1] * dat$rate[1]
for (i in 2:nrow(dat)) {
  dat$case_cum[i] <- dat$case_cum[i-1] * (1 - dat$rate[i]) + dat$population[i-1] * dat$rate[i]
}

# 推导其余变量
dat$case <- c(dat$case_cum[1], diff(dat$case_cum))
dat$population_1 <- dat$population - dat$case_cum

这种方式只需要维护一个变量的循环，计算量最小，速度最快。

内容的提问来源于stack exchange，提问作者MooMooU