如何对数据框列值进行迭代式2%衰减计算？

你遇到的问题是因为tidyr::fill后value列所有值都等于初始的1，直接乘以0.98只会得到重复结果。迭代式衰减需要每个后续值基于前一次的衰减结果计算，本质是生成等比数列或通过累积迭代实现。

方法1：直接生成等比数列（单一初始值场景） #

如果数据只有一个初始非NA值，后续全为NA，最直接的方式是利用指数计算生成衰减序列：

library(tidyverse)

df <- data.frame(
  date = c("2023-01-01","2023-01-02","2023-01-03",
           "2023-01-04","2023-01-05","2023-01-06","2023-01-07",
           "2023-01-08","2023-01-09","2023-01-10"),
  value = c(1, NA, NA, NA, NA, NA, NA, NA, NA, NA)
)

df %>%
  tidyr::fill(value) %>%
  dplyr::mutate(
    # 第n行的衰减值 = 初始值 * (0.98)^n
    decayed = value[1] * (0.98)^row_number()
  )

运行结果中，decayed列会依次是0.98、0.9604、0.941192... 实现逐日2%的迭代衰减。

方法2：累积迭代计算（通用场景） #

如果数据中存在多个非NA初始值（需要分段衰减），可以用purrr::accumulate实现逐行迭代计算：

df %>%
  tidyr::fill(value) %>%
  dplyr::group_by(group = cumsum(!is.na(lag(value, default = TRUE)))) %>%
  dplyr::mutate(
    decayed = purrr::accumulate(value, ~ .x * 0.98, .init = first(value)) %>% tail(-1)
  ) %>%
  dplyr::ungroup() %>%
  dplyr::select(-group)

这个方法会自动识别每个初始值的分段，从每个非NA值开始重新计算迭代衰减，适用于更复杂的数据场景。

方法3：基础R实现 #

如果不想依赖tidyverse包，可以用基础R的cumprod函数：

df$value <- zoo::na.locf(df$value)  # 等价于tidyr::fill
df$decayed <- df$value[1] * cumprod(c(0.98, rep(0.98, nrow(df)-1)))

内容的提问来源于stack exchange，提问作者joshbrows