R遍历dataframe计算时间序列距离 实现营销活动试控门店配对

问题原因 #

• 维度报错核心原因：函数内循环第一行覆盖了传入的trial参数，原本trial是试验门店编号，第一次运行后被覆盖为试验门店的销售额数据框，第二次循环执行filter(store_nbr == trial)时无法匹配到任何门店，得到的空数据框计算相关性时触发维度不匹配错误。
• 结果存储报错原因：对数据框赋值的语法错误，未加引号的Control_nbr、Correlation会被识别为变量而非列名，且逐行追加的写法会反复重构数据框，效率极低。

修正方案 #

高效写法（避免循环扩容） #

直接用向量化操作完成计算，无需显式循环，代码更简洁效率更高：

# 加载需要的包
library(dplyr)
library(purrr)

my.fun <- function(trial_store) {
  # 先提取一次试验门店的销售额数据，不要放到循环里重复计算
  trial_sales <- stores_stats_pre %>% 
    filter(store_nbr == trial_store) %>% 
    pull(total_sales)
  
  # 向量化遍历所有对照门店计算相关系数
  cor_res <- map_dbl(st.vector, function(control_store) {
    control_sales <- stores_stats_pre %>% 
      filter(store_nbr == control_store) %>% 
      pull(total_sales)
    cor(control_sales, trial_sales)
  })
  
  # 直接生成结果数据框返回
  data.frame(
    Trial_nbr = trial_store,
    Control_nbr = st.vector,
    Correlation = cor_res
  )
}

# 调用示例：计算单个试验门店的对照相关性
res_77 <- my.fun(77)
# 按相关性从高到低排序取前5个对照门店
top_controls <- res_77 %>% arrange(desc(Correlation)) %>% head(5)

# 批量计算所有3家试验门店的结果，直接合并即可
all_res <- map_dfr(trial_stores, my.fun)

循环写法（提前初始化避免扩容） #

如果习惯用循环逻辑，提前初始化固定长度的向量存结果即可：

my.fun <- function(trial_store) {
  trial_sales <- stores_stats_pre %>% 
    filter(store_nbr == trial_store) %>% 
    pull(total_sales)
  # 提前初始化向量，长度和对照门店数量一致
  cor_vec <- numeric(length(st.vector))
  
  for (i in seq_along(st.vector)) {
    control_store <- st.vector[i]
    control_sales <- stores_stats_pre %>% 
      filter(store_nbr == control_store) %>% 
      pull(total_sales)
    cor_vec[i] <- cor(control_sales, trial_sales)
  }
  
  data.frame(
    Trial_nbr = trial_store,
    Control_nbr = st.vector,
    Correlation = cor_vec
  )
}

额外校验项 #

如果修正后依然报维度错误，可先校验所有门店的历史数据是否完整：

# 校验所有门店的历史数据行数是否都是7
store_count <- stores_stats_pre %>% count(store_nbr)
any(store_count$n !=7)

如果返回TRUE就是有门店数据不全，过滤掉这些门店再计算即可。

内容的提问来源于stack exchange，提问作者JWill