按ID与年份分组运行Gompertz模型，生成至目标值的日期与结果数据集

这是个很常见的分组迭代计算场景，用R的tidyverse工具链就能轻松搞定，下面是具体的实现步骤和代码：

前置准备 #

首先确认你已经安装并加载了必要的包：

library(grofit)
library(tidyverse)

我们的核心需求是：按id和year分组，从每组的lambda起始日开始，逐日计算Gompertz模型的输出值x，直到x四舍五入到两位小数等于100为止，最终生成包含分组信息、日期和对应x值的数据集。

实现思路 #

1. 先写一个自定义函数，负责单组的序列生成：输入该组的lambda和mu，从起始日开始循环计算，直到x达到100，返回该组的日期-x序列。
2. 用分组工具（比如dplyr的group_modify）把这个函数应用到每一组，自动合并结果。

完整代码 #

第一步：定义单组处理函数 #

generate_gompertz_data <- function(lambda_start, mu_param) {
  # 初始化空的结果数据框
  output <- tibble(day = integer(), x = numeric())
  current_day <- lambda_start
  
  repeat {
    # 计算当前日期的Gompertz值，保留两位小数
    x_val <- round(grofit::gompertz(current_day, A = 100, mu = mu_param, lambda = lambda_start), 2)
    
    # 添加当前记录到结果
    output <- output %>% add_row(day = current_day, x = x_val)
    
    # 终止条件：x值达到100
    if (x_val == 100) break
    
    # 推进到下一天
    current_day <- current_day + 1
  }
  
  return(output)
}

第二步：分组处理原数据集 #

# 你的原始数据集
df <- data.frame(
  id = c(1,1,2,2), 
  year = c(1981,1982,1981,1982), 
  mu= c(35,32,33,28), 
  lambda = c(275,278,284,296)
)

# 分组生成最终结果
final_output <- df %>%
  group_by(id, year) %>%
  group_modify(~ generate_gompertz_data(.$lambda, .$mu)) %>%
  ungroup()

# 查看结果示例
print(final_output, n = 20)

补充说明 #

• 这里用round(x_val, 2) == 100作为终止条件，和你给出的示例逻辑完全一致，确保生成的序列包含第一次达到100的日期。
• 如果担心浮点精度问题（比如实际计算值是99.9999999，四舍五入后是100），可以把终止条件改成x_val >= 99.995，这样能更精准地捕捉到即将四舍五入为100的数值。
• 也可以用purrr::pmap来实现，写法更简洁：

final_output_pmap <- df %>%
  mutate(sequence = pmap(list(lambda, mu), generate_gompertz_data)) %>%
  unnest(sequence) %>%
  select(id, year, day, x)

内容的提问来源于stack exchange，提问作者89_Simple