向量化滞后操作答案

【问题标题】：Vectorizing lagged operations向量化滞后操作
【发布时间】：2021-08-26 18:46:53
【问题描述】：

如何在 R 中对涉及使用 Z 的滞后值递归修改列 Z 的以下操作进行矢量化？

library(dplyr)
set.seed(5)

initial_Z=1000

df <- data.frame(X=round(100*runif(10),0), Y=round(100*runif(10),0))
df
    X  Y
1  20 27
2  69 49
3  92 32
4  28 56
5  10 26
6  70 20
7  53 39
8  81 89
9  96 55
10 11 84

df <- df %>%  mutate(Z=if_else(row_number()==1, initial_Z-Y, NA_real_)) 
df
    X  Y   Z
1  20 27 973
2  69 49  NA
3  92 32  NA
4  28 56  NA
5  10 26  NA
6  70 20  NA
7  53 39  NA
8  81 89  NA
9  96 55  NA
10 11 84  NA

for (i in 2:nrow(df)) {
  
  df$Z[i] <- (df$Z[i-1]*df$X[i-1]/df$X[i])-df$Y[i]
  
}
df
    X  Y           Z
1  20 27  973.000000
2  69 49  233.028986
3  92 32  142.771739
4  28 56  413.107143
5  10 26 1130.700000
6  70 20  141.528571
7  53 39  147.924528
8  81 89    7.790123
9  96 55  -48.427083
10 11 84 -506.636364

因此首先设置 Z 的第一个值，基于 initial_Z 和 Y 的第一个值。Z 的其余值使用 X 和 Z 的滞后值以及 Y 的当前值计算。

我的实际df很大，我需要在模拟中重复这个操作数千次。使用 for 循环需要太多时间。我更喜欢使用 dplyr 来实现这一点，但也欢迎使用其他方法。

非常感谢您的任何帮助。

【问题讨论】：

标签： r dataframe for-loop dplyr vectorization

【解决方案1】：

我不知道你可以避免for 循环的影响，但总的来说R 应该很擅长它们。鉴于此，这里有一个 Reduce 变体可能对您来说就足够了：

set.seed(5)
initial_Z=1000
df <- data.frame(X=round(100*runif(10),0), Y=round(100*runif(10),0))

df$Z <- with(df, Reduce(function(prevZ, i) {
  if (i == 1) return(prevZ - Y[i])
  prevZ*X[i-1]/X[i] - Y[i]
}, seq_len(nrow(df)), init = initial_Z, accumulate = TRUE))[-1]
df
#     X  Y           Z
# 1  20 27  973.000000
# 2  69 49  233.028986
# 3  92 32  142.771739
# 4  28 56  413.107143
# 5  10 26 1130.700000
# 6  70 20  141.528571
# 7  53 39  147.924528
# 8  81 89    7.790123
# 9  96 55  -48.427083
# 10 11 84 -506.636364

需要明确的是，Reduce 在内部使用 for 循环来获取数据。我一般不喜欢使用 indices 作为Reduce 的x 的值，但由于Reduce 只迭代一个值，我们需要X 和Y ，索引（行）是必需的步骤。

【讨论】：

【解决方案2】：

同样可以使用accumulate2 来完成。请注意，这些只是 for 循环。您应该考虑在 Rcpp 中编写 for 循环，如果它在 R

中引起问题的话

df %>%
  mutate(Z = accumulate2(Y, c(1, head(X, -1)/X[-1]), ~ ..1 * ..3 -..2, .init = 1000)[-1])

    X  Y         Z
1  20 27       973
2  69 49   233.029
3  92 32  142.7717
4  28 56  413.1071
5  10 26    1130.7
6  70 20  141.5286
7  53 39  147.9245
8  81 89  7.790123
9  96 55 -48.42708
10 11 84 -506.6364

你可以unlist(Z):

df %>%
   mutate(Z = unlist(accumulate2(Y, c(1, head(X, -1)/X[-1]), ~ ..1 * ..3 -..2, .init = 1000))[-1])

【讨论】：