使用for循环合并DataFrame实现数据预测：代码检查与完善建议

我有两个包含字符串、日期和数值的DataFrame：df1是2020年的基础数据，df2存储了2021-2025年的增长率（对应H列）。需要将df1的D、E、F列数值分别与df2中对应年份的H列增长率相乘，生成2021-2025年的预测数据。以下是我写的部分代码，需要检查问题并获取完善思路。

原始代码及数据 #

df1 <- read.csv("df1.csv", check.names=FALSE)
df2 <- read.csv("df2.csv", check.names=FALSE)

# df1 数据结构
# A   B   year    D   E   F
# abc ab  2020    0   1   2
# def cd  2020    3   4   0
# ghi ef  2020    0   5   6
# jkl gh  2020    7   8   0
# mno ij  2020    0   9   10

# df2 数据结构
# year    H
# 2021    1.1
# 2022    1.2
# 2023    1.3
# 2024    1.4
# 2025    1.5

df3 <- data.frame()
for (i in 1:length(df2)){
  df3 = rbind(df1, df2 %>% 
        mutate(df1$all_columns_with_numbers = all_columns_with_numbers[i,] * df2$H[i,] ))
}
df3

# 期望输出示例
# A    B     year    D    E      F
# abc ab  2021    0    1.1    2.2
# abc ab  2022    0    1.2    2.4
# abc ab  2023    0    1.3    2.6
# abc ab  2024    0    1.4    2.8
# abc ab  2025    0    1.5    3.0
# def cd  2021    3.3  4.4    0
# ...

现有代码的问题 #

1. 循环范围错误：length(df2)返回的是df2的列数（这里是2），不是需要遍历的年份行数（5），应该用nrow(df2)
2. 语法逻辑错误：mutate里直接修改df1的列、使用未定义的all_columns_with_numbers对象，都是无效操作
3. 数据绑定错误：每次循环把原始df1和新生成的行绑定，会导致数据重复混乱
4. 年份未替换：生成的预测数据没有替换为df2对应的目标年份

完善方案与代码 #

方案一：用tidyverse工具包（推荐） #

利用dplyr和tidyr的函数实现，避免低效循环，逻辑更清晰：

library(tidyverse)

# 读取数据
df1 <- read.csv("df1.csv", check.names=FALSE)
df2 <- read.csv("df2.csv", check.names=FALSE)

# 生成预测数据
df3 <- df1 %>%
  # 保留标识列和数值列，移除原始2020年份列
  select(A, B, D, E, F) %>%
  # 笛卡尔积连接，让每个原始行对应所有预测年份
  crossing(df2) %>%
  # 计算各列预测值
  mutate(
    D = D * H,
    E = E * H,
    F = F * H
  ) %>%
  # 调整列顺序，移除中间用的H列
  select(A, B, year, D, E, F) %>%
  # 按标识和年份排序（可选）
  arrange(A, B, year)

# 查看结果
print(df3)

方案二：基础R实现 #

如果不想加载额外包，可以用基础R循环实现：

# 读取数据
df1 <- read.csv("df1.csv", check.names=FALSE)
df2 <- read.csv("df2.csv", check.names=FALSE)

# 初始化空结果框
df3 <- data.frame()

# 遍历每个预测年份
for (i in 1:nrow(df2)) {
  current_year <- df2$year[i]
  current_rate <- df2$H[i]
  
  # 复制原始数据，替换年份并计算数值列
  temp_df <- df1
  temp_df$year <- current_year
  temp_df[, c("D", "E", "F")] <- temp_df[, c("D", "E", "F")] * current_rate
  
  # 绑定到结果
  df3 <- rbind(df3, temp_df)
}

# 排序并重置行名
df3 <- df3[order(df3$A, df3$B, df3$year), ]
rownames(df3) <- NULL

# 查看结果
print(df3)

内容的提问来源于stack exchange，提问作者dmoyaec