如何在tidyverse中实现DataFrame逐行动态更新的滞后函数？

我需要在DataFrame中基于另一列动态变化的前一行值定义新列。已知tidyverse的lag()函数能返回指定列的前一行值，但它无法识别动态过程中目标列的更新。

示例复现代码 #

library(tidyverse)

H = 10
initial_a = 10
initial_b = 0

df = tibble(period = 0:H) %>%
  mutate(
    a = initial_a,
    
    b = ifelse(is.na(lag(a)), initial_b, lag(a)),
    
    a = period * initial_a
  )

view(df)

期望结果 #

period     a     b
    <int> <dbl> <dbl>
 1      0     0     0
 2      1    10     0
 3      2    20    10
 4      3    30    20
 5      4    40    30
 6      5    50    40
 7      6    60    50
 8      7    70    60
 9      8    80    70
10      9    90    80
11     10   100    90

实际结果 #

period     a     b
    <int> <dbl> <dbl>
 1      0     0     0
 2      1    10    10
 3      2    20    10
 4      3    30    10
 5      4    40    10
 6      5    50    10
 7      6    60    10
 8      7    70    10
 9      8    80    10
10      9    90    10
11     10   100    10

问题原因 #

mutate()是按列批量计算的，不是逐行执行：你先给a赋值为initial_a，计算b时用的是这个初始状态下a的滞后值，之后再把a覆盖为period * initial_a——此时b已经计算完成，不会跟着更新，所以除第一行外，b始终是初始的initial_a（10）。

解决方案 #

方案1：用purrr::accumulate()实现递推（推荐） #

accumulate()适合处理这种依赖前一次计算结果的递推逻辑，它会把前一次的输出传入下一次迭代：

library(tidyverse)

H = 10
initial_a = 10
initial_b = 0

df <- tibble(period = 0:H) %>%
  mutate(
    a = period * initial_a,
    # 生成带初始值的滞后序列，再去掉最后多余的元素
    b = accumulate(a, ~.x, .init = initial_b) %>% head(-1)
  )

print(df)

方案2：逐行循环（适合复杂逻辑） #

如果你的实际业务逻辑比示例更复杂，逐行循环的可读性更强：

library(tidyverse)

H = 10
initial_a = 10
initial_b = 0

# 先初始化空列
df <- tibble(period = 0:H, a = NA_real_, b = NA_real_)

# 设置第一行初始值
df$a[1] <- 0
df$b[1] <- initial_b

# 逐行计算，b取上一行已更新的a值
for(i in 2:nrow(df)) {
  df$a[i] <- df$period[i] * initial_a
  df$b[i] <- df$a[i-1]
}

print(df)

方案3：rowwise()逐行处理（不推荐，效率低） #

仅作参考，rowwise()逐行处理的效率不如前两种方法，适合简单场景：

library(tidyverse)

H = 10
initial_a = 10
initial_b = 0

df <- tibble(period = 0:H) %>%
  mutate(a = period * initial_a) %>%
  rowwise() %>%
  mutate(b = ifelse(period == 0, initial_b, a[period == cur_data()$period - 1])) %>%
  ungroup()

print(df)

以上三种方法都能得到你期望的输出结果。

内容的提问来源于stack exchange，提问作者Martin D