如何使用R中purrr包的accumulate函数计算两个相互关联的变量

核心逻辑：对于存在依赖关系的多个迭代变量，只需要让accumulate每次迭代返回包含所有迭代变量的向量，前一次迭代的输出会直接作为下一次迭代的输入，即可实现多变量同步迭代计算。

完整实现代码 #

第一步：加载依赖包与构造数据集 #

library(purrr)
library(dplyr)

# 原始数据集
df <- structure(list(Scenario = c(0, 1, 1, 1, 1, 1, 1, 1, 1, 1), SlNo = c(NA, 
1L, 5L, 9L, 13L, 17L, 21L, 25L, 29L, 33L), A = c(NA, 14, 1, 17, 
8, 10, 9, 14, 14, 4), B = c(NA, 19, 13, 20, 7, 16, 12, 18, 15, 
17), C = c(4, 0, 0, 0, 0, 0, 0, 0, 0, 0), E = c(6, 0, 0, 0, 0, 
0, 0, 0, 0, 0)), row.names = c(NA, -10L), class = c("tbl_df", 
"tbl", "data.frame"))

第二步：迭代计算C、E值 #

# 提取2到10行需要用到的迭代参数：Scenario和B
iter_params <- transpose(select(df[-1, ], Scenario, B))

# 多状态迭代计算
iter_res <- accumulate(
  .x = iter_params,
  .f = \(prev, curr) {
    if (curr$Scenario != 0) {
      curr_C <- 0.5 * prev[["C"]] + 5 + curr$B + prev[["E"]]
      curr_E <- curr_C + curr$B - 50
      return(c(C = curr_C, E = curr_E))
    }
    return(c(C = curr$C, E = curr$E))
  },
  .init = c(C = df$C[1], E = df$E[1]) # 初始值为第一行的C、E
)

# 结果合并回原数据框
final_df <- bind_rows(iter_res) %>%
  rename_with(~paste0(.x, "_new")) %>%
  bind_cols(df, .) %>%
  mutate(C = C_new, E = E_new) %>%
  select(-ends_with("_new"))

输出结果验证 #

运行后final_df的输出与你给出的预期结果完全一致，C和E的计算逻辑和for循环版本完全等价。这种写法还可以轻松扩展到3个及以上互相依赖的迭代变量，只需要调整每次迭代返回的向量长度即可。

内容的提问来源于stack exchange，提问作者Anoushiravan R