Question

我有一个简单的数据框如下：

thedata <-  data.frame(values = c(30,20,10,40,20)
                     ,week = seq(from = 1, to = 5, by = 1))
thedata$lengths <-length(thedata$values):1-1

我希望在每一行中运行以下计算：

values*0.2^lengths

...我希望迭代并总计每个累积长度。例如，第一行计算将是：

sum(30*.20^1, 30*.20^2, 30*.20^3, 30*.20^4)

第三个是：

sum(10*.20^1, 10*.20^2)

......等等（最后一行为0，因为它是时间序列中的最后一个值）。到目前为止，我获得最大成功的方法是循环/ sapply组合：

for (i in thedata$lengths){
  print(unlist(sapply(thedata[1], function(x) {x*0.2^i})))
}

但是将数据操作到正确的格式会变得有点混乱，我需要做一些不同的事情来使迭代正常工作。

我已经玩过rollapply和stats :: filter / reduce combo但收效甚微。

注意：这里有一个类似但更广泛的问题： Calculate running sum/decay value in time series

第二部分：

为了完整性，我也对上面的相同问题感兴趣，但是添加条件是每次迭代都使用values列中的相应值。所以第一行计算将是：

sum(20*.20^1, 10*.20^2, 40*.20^3, 20*.20^4)

我认为这主要通过以下代码解决：

thisfunc <- function(x) { w = 1:length(x); sum(x*.2^w)}
thedata$filtervalues2 <- rollapply(thedata$values, width=5,FUN=thisfunc, align="left", partial=TRUE)
thedata
shift <- function(x, n){
  c(x[-(seq(n))], rep(NA, n))
}
thedata$filtervalues2 <- shift(thedata$filtervalues2, 1)
thedata[is.na(thedata)] <- 0
thedata

  values week filtervalues2
1     30    1         4.752
2     20    2         3.760
3     10    3         8.800
4     40    4         4.000
5     20    5         0.000

虽然有点笨重。我想我更喜欢这种sqldf方法：

thedata$values2 <-  thedata$values
trythis <- sqldf("select a.week, 
                 sum(case when b.week > a.week 
                 then b.values2*power(0.2,b.week-a.week) 
                 else 0 end) as calc1 
                 from thedata a, 
                 thedata b  
                 group by a.week")

Answer 1

看过@ snoram的回答后，我发现结合我们的两种方法可以得到最少的结果：

library(dplyr)

thedata %>%
  rowwise() %>%
  mutate(new = sum(values * 0.2^seq_len(lengths)))

##   values  week lengths    new
##    <dbl> <dbl>   <dbl>  <dbl>
## 1     30     1       4  7.488
## 2     20     2       3  4.960
## 3     10     3       2  2.400
## 4     40     4       1  8.000
## 5     20     5       0  0.000

原始回答

我就是这样做的：

func <- function(values, lengths) {
  calc = 0
  for(i in 1:lengths) {
    calc = calc + values * 0.2^i 
  }
  return(calc)  
}

library(dplyr)

thedata %>%
  rowwise() %>%
  mutate(new = func(values, lengths))

##   values  week lengths    new
##    <dbl> <dbl>   <dbl>  <dbl>
## 1     30     1       4  7.488
## 2     20     2       3  4.960
## 3     10     3       2  2.400
## 4     40     4       1  8.000
## 5     20     5       0 24.000

Answer 2

粗糙的基础R解决方案。

n <- nrow(thedata)
thedata$result <- numeric(n)

for (row in seq.int(to = n)) {
  len <- thedata[row, "lengths"]
  if (len > 0) {
    thedata[row, "result"] <- 
      sum(thedata[row, "values"] * 0.2 ^ seq.int(to = len))   
  }
}



thedata
  values week lengths result
1     30    1       4  7.488
2     20    2       3  4.960
3     10    3       2  2.400
4     40    4       1  8.000
5     20    5       0  0.000

Answer 3

thedata$values * sapply(NROW(thedata):1, function(i) ifelse(i == 1, 0, sum(0.2^((i-1):1))))
#[1] 7.488 4.960 2.400 8.000 0.000

通过改变行位置迭代并对行间的计算求和

3 个答案: