如何无需循环向tibble新增行实现车辆位置线性外推

可以实现，全程使用向量化操作，无需任何循环：

核心思路 #

• 提取原数据最后一行作为预测的基准行，获取基准时间、基准位置、恒定预测速度、以及所有附加字段的取值
• 基于待预测时间戳批量计算外推位置：外推位置 = 基准位置 + 预测速度 * (待预测时间 - 基准时间)
• 批量构造预测行后与原表合并、按时间排序即可

完整实现代码 #

写法1：通用写法（适配多附加字段场景，需加载tidyr） #

library(dplyr)
library(tidyr)

# 示例原数据
tbl <- tibble(info1 = rep("a", 3),
              info2 = rep("b", 3),
              t = c(1, 2, 3),
              v = c(12, 13, 14),
              x = c(12, 24, 37), 
              status = rep("real", 3))

timestamps <- c(4, 5, 6, 8)

# 1. 提取基准行
last_row <- slice_tail(tbl, n = 1)

# 2. 批量构造预测行
pred_rows <- last_row %>%
  select(-t, -x, -status) %>% # 保留所有无需修改的字段，避免手动赋值遗漏
  crossing(t = timestamps) %>% # 自动复制字段值到所有待预测时间戳行
  mutate(
    x = last_row$x + v * (t - last_row$t),
    status = "predicted"
  )

# 3. 合并原数据与预测数据，按时间排序
tbl_final <- bind_rows(tbl, pred_rows) %>%
  arrange(t)

写法2：轻量写法（无需额外加载tidyr，适合附加字段少的场景） #

library(dplyr)

# 提取基准行
last_row <- slice_tail(tbl, n = 1)

# 构造预测行
pred_rows <- tibble(t = timestamps) %>%
  mutate(
    info1 = last_row$info1,
    info2 = last_row$info2,
    v = last_row$v,
    x = last_row$x + v * (t - last_row$t),
    status = "predicted"
  )

# 合并排序
tbl_final <- bind_rows(tbl, pred_rows) %>% arrange(t)

结果验证 #

两种写法运行后得到的tbl_final和你给出的期望输出tbl_desired完全一致，外推位置计算逻辑符合要求，所有附加字段自动继承原表最后一行的取值，status字段自动标记为predicted。

内容的提问来源于stack exchange，提问作者SiH