我有一个包含两行的数据框，分别代表上车和下车的乘客：
A B C D E F
In 9 10 6 9 14 10
Out 0 1 2 3 4 3
并且我想做一个计算，将产生另外两行信息，其中第一行是到达车站 A/B/C/等时在公共汽车上的乘客，第 2 行是在那个车站下车的乘客。
第 1 行的数字应该与第 2 行的前一个数字相同，例如 B 站的第 2 行是 `9（从上一站出发的公交车上的剩余人数）+ BIn （在车站上车的人数）- BOut（在车站下车的人数）。
最终结果应该是这样的：
A B C D E F
In 9 10 6 9 14 10
Out 0 1 2 3 4 3
1 0 9 18 22 28 38
2 9 18 22 28 38 45
我将如何遍历数据框以便获得这些数字？是否需要一个 for 循环，或者有没有更简单的方法来完成这个计算？
【问题讨论】：
首先，我认为将它们作为列而不是行更有意义。这样您就可以利用 R 中的矢量化操作。
library(data.table)
df <- suppressWarnings(fread('
A B C D E F
In 9 10 6 9 14 10
Out 0 1 2 3 4 3'))
setDT(df) # only required if not starting with a data.table
df
#> V1 A B C D E F
#> <char> <int> <int> <int> <int> <int> <int>
#> 1: In 9 10 6 9 14 10
#> 2: Out 0 1 2 3 4 3
df_tp <- transpose(df, make.names = 'V1', keep.names = 'station')
df_tp
#> station In Out
#> <char> <int> <int>
#> 1: A 9 0
#> 2: B 10 1
#> 3: C 6 2
#> 4: D 9 3
#> 5: E 14 4
#> 6: F 10 3
现在您的最后一行是 In 的累积总和减去 Out 的累积总和。另一个只是它的滞后版本。
df_tp[, net := cumsum(In) - cumsum(Out)]
df_tp[, lagged_net := shift(net, fill = 0)]
df_tp
#> station In Out net lagged_net
#> <char> <int> <int> <int> <int>
#> 1: A 9 0 9 0
#> 2: B 10 1 18 9
#> 3: C 6 2 22 18
#> 4: D 9 3 28 22
#> 5: E 14 4 38 28
#> 6: F 10 3 45 38
由reprex package 创建于 2021-12-07 (v2.0.1)
【讨论】：
我认为您应该接受@IceCreamToucan 的建议和回答，但如果您出于特定原因想要保持相同的结构，这个不优雅的蛮力for 循环将产生您想要的输出：
df <- data.frame(A = c(9,0),
B = c(10,1),
C = c(6,2),
D = c(9,3),
E = c(14, 4),
F = c(10, 3))
for (i in 1:ncol(df)){
if (i == 1){df[3:4,1] <- c(0,df[1,1])}
else{
df[3,i] <- df[4,i-1]
df[4,i] <- sum(df[4,i-1], df[1,i]) - df[2,i]
}
}
df
# A B C D E F
#1 9 10 6 9 14 10
#2 0 1 2 3 4 3
#3 0 9 18 22 28 38
#4 9 18 22 28 38 45
【讨论】：
for 循环定义为function（即loopfun <- function(x) { ...code here...}，然后使用lapply，类似于lapply(df.lists, loopfun)
或者使用tidyverse 的方式来做到这一点：
library(tidyverse)
df <- data.frame(A = c(9,0),
B = c(10,1),
C = c(6,2),
D = c(9,3),
E = c(14,4),
F = c(10,3))
> df
A B C D E F
1 9 10 6 9 14 10
2 0 1 2 3 4 3
df <- as_tibble(t(df), rownames = "row_names") %>%
rename('In' = V1, 'Out' = V2)
> df
# A tibble: 6 x 3
row_names In Out
<chr> <dbl> <dbl>
1 A 9 0
2 B 10 1
3 C 6 2
4 D 9 3
5 E 14 4
6 F 10 3
cumsum和lag添加你想要的变量：df %>% mutate(net = cumsum(In) - cumsum(Out),
lag = replace_na(lag(net), 0))
> df
# A tibble: 6 x 5
row_names In Out net lag
<chr> <dbl> <dbl> <dbl> <dbl>
1 A 9 0 9 0
2 B 10 1 18 9
3 C 6 2 22 18
4 D 9 3 28 22
5 E 14 4 38 28
6 F 10 3 45 38
【讨论】：