使用group_by结合dplyr::do()实现序列增量计算时遇到问题

嘿，我懂你遇到的痛点了——用for循环能轻松搞定单组的增量计算，但放到多分组（比如多个id）场景下，想结合group_by和dplyr::do()实现就卡壳了对吧？其实现在dplyr有更现代、简洁的写法，而且do()已经不是官方推荐的用法了，我给你分享几个实用的方案：

首先先明确你的需求：从初始值5开始，每一步累加2*obs1（你的for循环里写的是df$obs1[i] + df$obs1[i]，也就是两倍的obs1），最终得到包含初始值和各年份更新值的序列。下面我用扩展后的多id数据来模拟实际场景，这样你能直接套用。

方法一：用purrr::accumulate + 分组（推荐） #

purrr的accumulate函数天生适合处理这种累积计算，配合dplyr的分组操作非常丝滑：

先加载所需的包：

library(dplyr)
library(purrr)

准备示例数据（加入第二个id来模拟多分组）：

df <- data.frame(
  year = rep(2000:2002, 2),
  id = rep(letters[1:2], each = 3),
  obs1 = rep(1, 6),
  obs2 = rep(1, 6)
)
initial_value <- 5

实现分组增量计算：

# 得到每个年份对应的更新后的值（不含初始值）
result <- df %>%
  group_by(id) %>%
  mutate(
    cumulative_value = accumulate(2 * obs1, ~ .x + .y, .init = initial_value) %>% tail(n())
  ) %>%
  ungroup()

如果想把初始值也作为每个组的第一行，可以调整成这样：

# 包含初始值的完整序列
result_with_initial <- df %>%
  group_by(id) %>%
  summarise(
    year = c(NA, year), # NA标记初始值对应的年份
    obs1 = c(NA, obs1),
    cumulative_value = accumulate(2 * obs1, ~ .x + .y, .init = initial_value)
  ) %>%
  ungroup()

方法二：用base R的cumsum（无需额外包） #

如果你不想加载purrr，用base R的cumsum也能搞定：

result_cumsum <- df %>%
  group_by(id) %>%
  mutate(
    cumulative_value = initial_value + cumsum(2 * obs1)
  ) %>%
  # 追加每个组的初始值行
  bind_rows(
    df %>% distinct(id) %>% mutate(year = NA, obs1 = NA, cumulative_value = initial_value)
  ) %>%
  arrange(id, year) %>%
  ungroup()

为啥不推荐用do()？ #

虽然do()也能实现需求，但语法繁琐，可读性差，而且现在dplyr官方更推荐用group_modify、summarise或者向量操作来替代。给你看看用do()的写法（仅作参考，不推荐）：

# 不推荐的do()写法
result_do <- df %>%
  group_by(id) %>%
  do({
    increments <- 2 * .$obs1
    vals <- accumulate(increments, ~ .x + .y, .init = initial_value)
    data.frame(., cumulative_value = tail(vals, n()))
  }) %>%
  ungroup()

对比下来，前面两种方法是不是清爽多了？运行上面的代码，就能得到和你for循环完全一致的结果，而且能轻松处理多分组的实际场景。

内容的提问来源于stack exchange，提问作者hermo