根据尚未计算的滞后行进行变异答案

【问题标题】：Conduct a mutate based on lagged rows not yet calculated根据尚未计算的滞后行进行变异
【发布时间】：2023-02-22 16:38:10
【问题描述】：

在 R 中，我想执行一个 mutate 来填充多列（x 和 y）的 NA 值。

data <- data.table(year = c(2010, 2011, 2012, 2013, 2014), x=c(1, 3, NA, NA, NA), y=c(2, 4, NA, NA, NA))

year	x	y
2010	1	2
2011	3	4
2012	NA	NA
2013	NA	NA
2014	NA	NA

然而，这些计算取决于另一列的滞后值。对于年份大于 2011 的值，x = x（上一行）+ y（上一行）和 y = x（前 2 行）+ y（前 2 行）

那么预期的输出将是

year	x	y
2010	1	2
2011	3	4
2012	7	3
2013	10	7
2014	17	10

这是我运行的代码：

data %>% 
 mutate(
   x = case_when(
     year > 2011 ~ lag(x, 1) + lag(y, 1),
     TRUE ~ x),
   y = case_when(
     year > 2011 ~ lag(x, 2) + lag(y, 2),
     TRUE ~ y))

但是，这不起作用，因为无论它们的计算顺序如何，每个变量的变异都取决于尚未计算的 NA 值（因此无法计算 2013 年 x 的值，因为 y 的变异计算2012 年的值尚未执行，但情况相反，y 需要 2012 年的 x 值）。我的数据集比这大得多，并且有一个更复杂的计算涉及第三个变量，该变量也以类似的方式相互依赖。

有没有办法同时运行这些变异或任何其他解决方案来解决这个问题？

【问题讨论】：

标签： r dplyr tidyverse mutate

【解决方案1】：

您的方法的问题是 lag() 是向量化的，但每一行都取决于前一行的结果，因此我们不能在这里使用向量化方法，而是需要逐行计算。

一种方法是使用递归函数，将 data.frame 作为输入，并在多次迭代后返回填充的 data.frame。

library(dplyr)

dat <- tibble(year = c(2010, 2011, 2012, 2013, 2014), x=c(1, 3, NA, NA, NA), y=c(2, 4, NA, NA, NA))

calc_row <- function(dat, run = nrow(dat)) {

  omit_na_dat <- na.omit(dat)
  
  if (nrow(omit_na_dat) == run) {
    return(dat)
  }
  
  row_idx <- nrow(omit_na_dat)
  
  new_x = omit_na_dat[row_idx, ][["x"]] + omit_na_dat[row_idx, ][["y"]]
  new_y = omit_na_dat[row_idx - 1, ][["x"]] + omit_na_dat[row_idx - 1, ][["y"]]
  new_year = omit_na_dat[row_idx, ][["year"]] + 1
  
  dat <- rows_update(dat, tibble(year = new_year,
                                 x = new_x,
                                 y = new_y),
                     by = "year"
                     )
  calc_row(dat, run = run)
}

calc_row(dat)
#> # A tibble: 5 x 3
#>    year     x     y
#>   <dbl> <dbl> <dbl>
#> 1  2010     1     2
#> 2  2011     3     4
#> 3  2012     7     3
#> 4  2013    10     7
#> 5  2014    17    10

^{由 reprex package (v2.0.1) 创建于 2023-02-22}

【讨论】：

【解决方案2】：

x 的计算就像一个斐波那契数列. y 只是滞后的 x。

fib <- function(a1, a2, len){
  seq <- c(a1, a2)
  for(i in 3:len) {
    seq[i] <- seq[i-1] + seq[i-2]
  }
  return(seq)
}

fib(1, 2, 5)
# [1] 1 2 3 5 8

df %>%
  mutate(x = ifelse(is.na(x), fib(y[2], x[2], n()), x),
         y = ifelse(is.na(y), lag(x), y))

# # A tibble: 5 × 3
#    year     x     y
#   <dbl> <dbl> <dbl>
# 1  2010     1     2
# 2  2011     3     4
# 3  2012     7     3
# 4  2013    10     7
# 5  2014    17    10

【讨论】：