R语言实现25年跨度下数据框状态值逐期迭代更新的方法

实现思路 #

整体采用「单期更新逻辑封装+逐期迭代存储」的方案，避免迭代过程中数据覆盖导致的追溯困难，核心注意点：

• 所有个体每推进1期，年龄固定自增1，属于全局通用更新逻辑
• 两类状态跳转规则互斥，按条件匹配后执行对应字段更新，不满足跳转条件的个体除年龄外其余字段保持原值
• 规则1中计算薪资sal时，必须使用exp_y自增后的新值计算，不能引用更新前的旧值，否则结果会出现系统性偏差
• 每一期的完整数据单独存储，最终可合并为带期数标识的长格式数据框，方便后续统计分析

可运行代码方案 #

首先构造符合字段要求的初始数据，可直接替换为自有真实数据集：

# 可选加载dplyr简化数据操作，核心逻辑无强依赖
library(dplyr)

# 构造6条初始观测示例，字段与需求完全对齐
set.seed(123) # 固定随机种子方便结果复现
init_df <- tibble(
  age = sample(20:40, 6, replace = TRUE),
  sex = sample(c("male", "female"), 6, replace = TRUE),
  edu = sample(c("high_school", "bachelor", "master"), 6, replace = TRUE),
  statu = sample(c("em", "unem"), 6, replace = TRUE),
  exp_y = sample(0:10, 6, replace = TRUE),
  sal = ifelse(statu == "em", sample(3000:10000, 6, replace = TRUE), 0),
  cost = sample(2000:8000, 6, replace = TRUE),
  sal_a = ifelse(statu == "unem", sample(2000:9000, 6, replace = TRUE), 0),
  cost_a = ifelse(statu == "unem", sample(1000:7000, 6, replace = TRUE), 0)
)

封装单期更新函数，输入为上一期数据框，输出为当期更新完成的数据框：

update_one_period <- function(last_period_df) {
  # 复制上一期数据作为当期基础，避免直接修改原数据
  current_df <- last_period_df
  
  # 处理规则1：失业且预期薪资>预期成本 → 转为就业状态
  rule1_idx <- which(current_df$statu == "unem" & current_df$sal_a > current_df$cost_a)
  if (length(rule1_idx) > 0) {
    # 严格按规则顺序更新，先调整exp_y再计算当期薪资
    current_df$statu[rule1_idx] <- "em"
    current_df$age[rule1_idx] <- current_df$age[rule1_idx] + 1
    current_df$exp_y[rule1_idx] <- current_df$exp_y[rule1_idx] + 1
    current_df$sal[rule1_idx] <- current_df$sal_a[rule1_idx] * (1 + 0.19 * current_df$exp_y[rule1_idx])
    current_df$cost[rule1_idx] <- current_df$cost_a[rule1_idx]
    current_df$sal_a[rule1_idx] <- 0
    current_df$cost_a[rule1_idx] <- 0
  }
  
  # 处理规则2：就业且当前薪资<当前成本 → 转为失业状态
  rule2_idx <- which(current_df$statu == "em" & current_df$sal < current_df$cost)
  if (length(rule2_idx) > 0) {
    current_df$statu[rule2_idx] <- "unem"
    current_df$age[rule2_idx] <- current_df$age[rule2_idx] + 1
    current_df$sal_a[rule2_idx] <- current_df$sal[rule2_idx]
    current_df$cost_a[rule2_idx] <- current_df$cost[rule2_idx]
    # exp_y保持原值无需修改
    current_df$sal[rule2_idx] <- 0
    current_df$cost[rule2_idx] <- 0
  }
  
  # 处理不满足两类跳转规则的个体：仅年龄自增1，其余字段不变
  other_idx <- setdiff(1:nrow(current_df), c(rule1_idx, rule2_idx))
  if (length(other_idx) > 0) {
    current_df$age[other_idx] <- current_df$age[other_idx] + 1
  }
  
  return(current_df)
}

执行25期迭代，存储全周期结果：

# 初始化结果列表，初始期标记为period=0
sim_result <- list()
sim_result[[1]] <- init_df %>% mutate(period = 0)

# 逐期迭代25次
for (p in 1:25) {
  last_df <- sim_result[[p]] %>% select(-period)
  current_df <- update_one_period(last_df) %>% mutate(period = p)
  sim_result[[p+1]] <- current_df
}

# 合并所有期数为长表，可直接用于后续统计、绘图
final_sim_df <- bind_rows(sim_result)

如果不想依赖dplyr，可去掉开头的加载语句，初始数据构造改用data.frame()，最后合并结果替换为final_sim_df <- do.call(rbind, sim_result)即可，核心更新逻辑完全基于base R编写，无额外依赖。

结果校验提示 #

• 可给初始数据增加唯一id列并在迭代中保留，抽查单一个体的全周期轨迹，确认状态跳转、字段更新符合规则
• 校验字段取值逻辑：就业状态下sal_a/cost_a应为0，失业状态下sal/cost应为0，若出现非0值说明更新逻辑有疏漏

内容的提问来源于stack exchange，提问作者Majed