如何按行计算DataFrame的累积和？需求与代码尝试

看你的需求是对DataFrame的每一行做累积求和——也就是从第二列开始，每一列的值等于它本身加上前一列的值，最终得到你期望的输出。先说说你现有代码的问题，再给你几种高效的解法。

你的代码存在的问题 #

你的双重循环有两个关键错误：

• 外层循环for (i in nrow(AD))：nrow(AD)返回的是行数的单个数值（比如你的示例里是6），这意味着循环只会执行最后一行，而不是遍历所有行。应该改成for (i in 1:nrow(AD))
• 内层循环for (j in ncol(AD))：同样，ncol(AD)返回的是列数的单个数值（示例里是3），而且如果j从1开始的话，j-1会变成0，导致索引错误。正确的应该是从第2列开始遍历，也就是for (j in 2:ncol(AD))

另外，直接在原DataFrame上修改虽然能行，但R里有更简洁高效的内置函数，不需要手动写循环。

修正后的循环代码 #

如果一定要用循环，修正后的代码是这样的：

# 假设AD是你的DataFrame
for (i in 1:nrow(AD)) {
  for (j in 2:ncol(AD)) {
    AD[i, j] <- AD[i, j] + AD[i, j-1]
  }
}

把这段代码跑一遍，就能得到你期望的输出。

更高效的向量化解法（推荐） #

R是向量型语言，用内置函数比手动循环更快，尤其是数据量较大的时候（比如你的50行12列），推荐下面几种方法：

方法1：用apply + cumsum #

cumsum本身就是累积求和函数，结合apply按行处理：

AD <- t(apply(AD, 1, cumsum))
# 注意：apply返回的是矩阵，转置后转成DataFrame（如果需要的话）
AD <- as.data.frame(AD)

这段代码的逻辑是：对每一行（MARGIN=1）应用cumsum函数，然后转置结果（因为apply返回的矩阵是按列排列的），最后转成DataFrame。

方法2：用dplyr包（适合tidyverse用户） #

如果你习惯用tidyverse工具链，可以用rowwise配合c_across：

library(dplyr)

AD <- AD %>%
  rowwise() %>%
  mutate(across(everything(), ~cumsum(.x))) %>%
  ungroup()

这段代码会按行分组，对每一列计算累积求和，最后取消分组。

方法3：用data.table包（大数据量最优） #

如果你的数据量很大，data.table的速度会更快：

library(data.table)

setDT(AD)
AD[, (colnames(AD)) := lapply(.SD, cumsum), by = 1:nrow(AD)]

这里按每行分组，对所有列（.SD）应用cumsum函数。

验证示例 #

用你给出的示例输入测试：
输入DataFrame：

AD <- data.frame(
  a = 1:6,
  b = c(1,3,0,5,0,7),
  c = c(3,4,5,6,7,8)
)

用apply方法处理后，输出就是你期望的：

内容的提问来源于stack exchange，提问作者jeff