如何用dplyr的across/rowwise替换循环实现行依赖累积计算？

你的核心需求是复现一个逐行迭代的计算逻辑：每一行的结果依赖上一行已经更新后的值。你尝试的mutate+lag和rowwise方案无法得到正确结果，因为它们调用的是原始数据的前一行值，而非计算后的更新值。

原始代码与目标结果 #

a <- tibble::tribble(~ 'a',  ~ 'b',  ~ 'c',
                     .1, .2, .3,
                     .2, .4, .6,
                     .3, .6, .9)
b <- a

# 目标for循环逻辑：逐行用前一行更新后的值计算当前行
for (i in 2:nrow(a)) {
  b[i, ] <- b[i - 1, ] + b[i, ] * (1 - b[i - 1, ])
}

你的尝试为何出错 #

你写的c和d代码中，dplyr::lag(.x, 1, 0)提取的是原始列的前一行值，不是循环中已经更新后的值。比如计算第二行时，用的是原始第一行的值，而非第一行计算后的值，这和for循环的逻辑完全不符，所以identical(b,c)和identical(b,d)都会返回FALSE。

正确的dplyr管道实现 #

要复现这种迭代逻辑，需要用到purrr::accumulate函数（需加载purrr包），它会按顺序迭代元素，每一步的计算结果会作为下一步的输入。

方案1：按列处理（更符合dplyr风格）

因为每个列的计算仅依赖该列的前一行结果，所以可以直接对每个数值列应用accumulate：

library(dplyr)
library(purrr)

b_dplyr <- a %>%
  mutate(across(where(is.numeric), 
                ~ accumulate(.x, function(prev, curr) prev + curr * (1 - prev))))

# 验证一致性
identical(b, b_dplyr)  # 返回TRUE

方案2：按行处理

如果存在列间依赖的场景，可以先把每行拆成列表元素，再用accumulate迭代后合并：

b_dplyr_rows <- a %>%
  split(seq(nrow(.))) %>%
  accumulate(~ .x + .y * (1 - .x)) %>%
  bind_rows()

identical(b, b_dplyr_rows)  # 返回TRUE

逻辑说明 #

accumulate的核心是迭代计算：

• 第一个元素直接保留原始值
• 从第二个元素开始，用上一步的计算结果（prev）和当前原始值（curr）执行prev + curr * (1 - prev)
• 每一步的结果都会传递给下一次计算，完全复现了for循环中逐行更新的逻辑

内容的提问来源于stack exchange，提问作者cg1979