在dplyr中模拟一个时间段，而不是使用for循环 [英] Simulating a timeseries in dplyr instead of using a for loop

问题描述

所以，虽然dplyr中的滞后和 lead 很棒，但我想模拟一些像人口的时代生长。我的旧学校代码看起来像：

  tdf<  -  data.frame（time = 1：5，pop = 50 ）
 for（i in 2：5）{
 tdf $ pop [i] = 1.1 * tdf $ pop [i-1] 
} 
  

产生

  time pop 
 1 1 50.000 
 2 2 55.000 
 3 3 60.500 
 4 4 66.550 
 5 5 73.205 
  

我觉得有必要有一个 dplyr 或 tidyverse 这样做（尽管我喜欢我的循环）。

但是，像

  tdf<  -  data.frame（time = 1：5，pop = 50）％>％
 mutate（pop = 1.1 * lag（pop））
 
 
 
 
 时间流行
 1 1 NA 
 2 2 55 
 3 3 55 
 4 4 55 
 5 5 55 
  
我觉得我缺少一些明显的东西....是什么？
 
 
注意 - 这是一个三维例如 - 我的真实例子使用多个参数，其中许多参数是随时间变化的（我正在模拟不同GCM场景下的预测），因此，整体性证明是将我的模拟结合在一起的有力工具。
解决方案
 减少（或它的purrr变体，如果你喜欢）是你想要的累积功能尚未包含 cum * 版本：
  data.frame（time = 1：5，pop = 50）％>％
 mutate（pop = Reduce（function（x，y）{x * 1.1}，pop，accumulate = TRUE））
 
 ##时间流行
 ## 1 1 50.000 
 ## 2 2 55.000 
 ## 3 3 60.500 
 ## 4 4 66.550 
 ## 5 5 73.205 
  
或与purrr 
  data.frame（time = 1：5，pop = 50）％>％
 mutate（pop = accumulate（pop，〜.x * 1.1））
 
 ##时间流行
 ## 1 1 50.000 
 ## 2 2 55.000 
 ## 3 3 60.500 
 ## 4 4 66.550 
 ## 5 5 73.205 
  
 
So, while lag and lead in dplyr are great, I want to simulate a timeseries of something like population growth.  My old school code would look something like:
tdf <- data.frame(time=1:5, pop=50)
for(i in 2:5){
  tdf$pop[i] = 1.1*tdf$pop[i-1]
}
which produces
  time    pop
1    1 50.000
2    2 55.000
3    3 60.500
4    4 66.550
5    5 73.205
I feel like there has to be a dplyr or tidyverse way to do this (as much as I love my for loop).

But, something like
tdf <- data.frame(time=1:5, pop=50) %>%
  mutate(pop = 1.1*lag(pop))
which would have been my first guess just produces
  time pop
1    1  NA
2    2  55
3    3  55
4    4  55
5    5  55
I feel like I'm missing something obvious.... what is it?

Note - this is a trivial example - my real examples use multiple parameters, many of which are time-varying (I'm simulating forecasts under different GCM scenarios), so, the tidyverse is proving to be a powerful tool in bringing my simulations together.
解决方案
Reduce (or its purrr variants, if you like) is what you want for cumulative functions that don't already have a cum* version written:
data.frame(time = 1:5, pop = 50) %>%
    mutate(pop = Reduce(function(x, y){x * 1.1}, pop, accumulate = TRUE))

##   time    pop
## 1    1 50.000
## 2    2 55.000
## 3    3 60.500
## 4    4 66.550
## 5    5 73.205
or with purrr,
data.frame(time = 1:5, pop = 50) %>%
    mutate(pop = accumulate(pop, ~.x * 1.1))

##   time    pop
## 1    1 50.000
## 2    2 55.000
## 3    3 60.500
## 4    4 66.550
## 5    5 73.205


                        
这篇关于在dplyr中模拟一个时间段，而不是使用for循环的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！