如何在data.table/R中用函数实现递归计算以提升运行效率？

问题背景 #

处理全年每小时温度变化计算，涉及60列、8760行数据，部分变量需按小时递归更新。原for循环可得到正确结果，但完整运行耗时15分钟，尝试用dplyr函数替换时因无法调用计算后的值导致结果错误，需实现依赖上一行计算结果的递归逻辑。

可复现示例 #

初始data.table #

library(data.table)
table <- data.table("A" = c(1), "B" = c(1:5), "C" = c(10))
table

输出：

A B  C
1: 1 1 10
2: 1 2 10
3: 1 3 10
4: 1 4 10
5: 1 5 10

原for循环实现（正确结果） #

for (j in (2: nrow(table))) {
  table$A[j] = (table$A[j-1] + table$B[j-1]) * table$B[j]
  table$C[j] = table$B[j] * table$A[j] 
 }
table

预期输出：

A B    C
1:   1 1   10
2:   4 2    8
3:  18 3   54
4:  84 4  336
5: 440 5 2200

失败的dplyr尝试 #

library(dplyr)
table <- data.table("A" = c(1), "B" = c(1:5), "C" = c(10))

myfun <- function(df){
  df = df %>% mutate(A = (lag(A) + lag(B)) * B, 
                     C = B * A)
  return(df)
}

myfun(table)

错误输出：

A B   C
1 NA 1  NA
2  4 2   8
3  9 3  27
4 16 4  64
5 25 5 125

问题原因：mutate基于列的原始值计算，lag(A)调用的是初始A列的上一行值，而非计算过程中更新后的A值，无法实现递归依赖。

解决方案 #

方案1：用purrr::accumulate实现向量递归计算 #

利用accumulate函数生成递归的A序列，再更新C列，避免循环的同时保证递归逻辑：

library(data.table)
library(purrr)

table <- data.table("A" = c(1), "B" = c(1:5), "C" = c(10))

# 生成递归的A值序列
A_vals <- accumulate(2:nrow(table), .init = table$A[1],
                     ~ (.x + table$B[..y - 1]) * table$B[..y])
table$A <- A_vals
# 更新C列（第一行保留原始值，后续行按规则计算）
table$C[-1] <- table$B[-1] * table$A[-1]

table

方案2：优化for循环（data.table原生高效写法） #

原循环慢的核心原因是用$赋值会频繁复制data.table，改用set函数直接修改内存中的值，大幅提升速度：

library(data.table)
table <- data.table("A" = c(1), "B" = c(1:5), "C" = c(10))

for (j in 2:nrow(table)) {
  # 用set直接修改指定位置的值，避免数据复制
  set(table, j, "A", (table$A[j-1] + table$B[j-1]) * table$B[j])
  set(table, j, "C", table$B[j] * table$A[j])
}

table

两种方案都能得到预期结果，其中方案2对于大行数（如8760行）的性能提升非常明显，远快于原始for循环；方案1更偏向函数式编程风格，代码更简洁。

内容的提问来源于stack exchange，提问作者Jnz