时间戳

首页 > 解决方案 > R Dplyr; 计算前一行的两列之间的差异，但将结果放入下一行而不使用 for 循环

r - R Dplyr; 计算前一行的两列之间的差异，但将结果放入下一行而不使用 for 循环

问题描述

我正在尝试解决以下问题，在该问题中，我希望使用 R 中的 dplyr 计算下一行上两列与下一行之间的差异，最好不使用循环。在这个特定示例中，我想从上一行计算 r_j - s_j，然后将结果粘贴到下一行。

以下是一些示例数据：

require(tidyverse)
data = tibble(LM = c(100, 300, 400, 500, 600, 700, 800, 1300), s_j = c(2,2,2,1,2,2,1,1)) %>% 
       bind_cols(,r_j = rep(25, nrow(.))

     LM   s_j   r_j
1   100     2    25
2   300     2    25
3   400     2    25
4   500     1    25
5   600     2    25
6   700     2    25
7   800     1    25
8  1300     1    25

我想要的输出是这样的；

     LM   s_j   r_j
1   100     2    25
2   300     2    23
3   400     2    21
4   500     1    19
5   600     2    18
6   700     2    16
7   800     1    14
8  1300     1    13

这个问题的解决方案是：

for (k in 2:nrow(data)){ 
   tmp = data$r_j[k-1] - data$s_j[k-1]
   data$r_j[k] = tmp 
}

产生

     LM   s_j   r_j
1   100     2    25
2   300     2    23
3   400     2    21
4   500     1    19
5   600     2    18
6   700     2    16
7   800     1    14
8  1300     1    13

但肯定存在比 R 中的 for 循环更好的解决方案吗？谢谢你的帮助。

标签： rdplyr

解决方案

一种方法是生成 s_j 的累积和，然后从 r_j 中减去它

data %>% mutate(
    temp = cumsum(s_j),
    r_j2 = r_j-temp
)
# A tibble: 8 x 5
     LM   s_j   r_j  temp  r_j2
   <dbl> <dbl> <dbl> <dbl> <dbl>
1   100     2    25     2    23
2   300     2    25     4    21
3   400     2    25     6    19
4   500     1    25     7    18
5   600     2    25     9    16
6   700     2    25    11    14
7   800     1    25    12    13
8  1300     1    25    13    12

编辑：要生成所需的确切输出，可以从其 cumsum 中减去 s_j 的值并得到以下结果：

data %>% mutate(
     temp = cumsum(s_j)-s_j,
     r_j2 = r_j-temp
 )
# A tibble: 8 x 5
     LM   s_j   r_j  temp  r_j2
  <dbl> <dbl> <dbl> <dbl> <dbl>
1   100     2    25     0    25
2   300     2    25     2    23
3   400     2    25     4    21
4   500     1    25     6    19
5   600     2    25     7    18
6   700     2    25     9    16
7   800     1    25    11    14
8  1300     1    25    12    13

EDIT2：包括不需要生成临时列的 IceCreamToucan 的解决方案：

data %>% mutate(
     r_j2 = coalesce(lag(r_j - cumsum(s_j)), r_j)
     )
# A tibble: 8 x 4
     LM   s_j   r_j  r_j2
  <dbl> <dbl> <dbl> <dbl>
1   100     2    25    25
2   300     2    25    23
3   400     2    25    21
4   500     1    25    19
5   600     2    25    18
6   700     2    25    16
7   800     1    25    14
8  1300     1    25    13

推荐阅读