使用tidyverse创建恒定增长率迭代列的技术问询

我之前也碰到过完全一样的需求！当你需要基于初始值迭代计算恒定增长率的序列时，dplyr::mutate()确实没办法直接调用前一行的计算结果，不过有两个简单的方法可以搞定这个问题，下面给你详细说明：

方法1：用dplyr + purrr的accumulate()函数 #

purrr包里的accumulate()函数专门用来处理这类累积迭代的计算，它会从初始值开始，反复将前一次的结果传入自定义函数生成下一个值。

假设你的数据框是pop_data，包含year（年份）和actual_pop（实际人口）列，初始人口取第一行的实际值，恒定增长率设为1.02（也就是年增长2%），代码如下：

library(dplyr)
library(purrr)

# 定义初始人口和增长率
initial_pop <- pop_data$actual_pop[1]
growth_rate <- 1.02

# 生成预测人口列
pop_data <- pop_data %>%
  mutate(
    projected_pop = accumulate(
      .init = initial_pop,
      .x = 2:nrow(.),  # 对应从第二年开始的每一行
      .f = function(prev, .) prev * growth_rate
    )
  )

这个方法的核心是accumulate()：.init指定初始值，.x提供迭代的次数（这里用2到总行数，对应除了初始行之外的所有行），.f定义每次迭代的计算逻辑——用前一次的结果乘以增长率。

方法2：用基础R的cumprod()函数 #

如果不想加载额外的包，基础R的cumprod()（累积乘积）函数更简洁。因为恒定增长率的序列本质上是初始值乘以增长率的累积乘积，我们可以先构造一个增长率向量，再计算累积乘积：

# 定义初始人口和增长率
initial_pop <- pop_data$actual_pop[1]
growth_rate <- 1.02

# 构造增长率向量：第一个元素为1（对应初始人口），后续都是增长率
growth_vec <- c(1, rep(growth_rate, nrow(pop_data) - 1))

# 生成预测人口列
pop_data$projected_pop <- initial_pop * cumprod(growth_vec)

cumprod(growth_vec)会计算向量的累积乘积，比如向量c(1,1.02,1.02)的累积乘积就是c(1,1.02,1.02*1.02)，再乘以初始人口就得到了每一年的预测值，非常高效。

生成projected_pop列之后，你就可以轻松对比实际人口和恒定增长率下的预测人口了——比如计算差值、绘制折线图等。

内容的提问来源于stack exchange，提问作者tbadams45