我能'；t使用；或使用mutate（）循环。1:yrs中的警告：数值表达式有6个元素：仅使用第一个元素

为某些计算创建了一个函数，该函数本身运行良好。 但是，当我在

mutate（）

中使用它时，它似乎将列中的所有值都作为输入，并以警告消息结束：

in 1:yrs:numerical expression有6个元素：仅第一个使用的元素

library(dplyr)

mortgage <- function(amt = 800000, yrs = 25, mthly = 3630,  ints = 0.026) {
  yearPay <- mthly * 12
  paid <- 0
  remain <- amt
  for(i in 1:yrs) {
    paid = paid + yearPay
    remain = (amt - paid) * (1 + ints)
  }
  return(remain*-1)
}


tibble(loanAmt = c(800000, 800000, 800000, 700000, 700000, 700000),
                    period = c(15,20,25,15,20,25),
                    monthly = c(5373, 4279, 3630, 4701, 3744, 3176),
                    interest = 0.026) %>%
  mutate(credit = mortgage(loanAmt, period, monthly, interest))

库（dplyr）
抵押贷款对于此特定问题，您可以使用
dplyr:：rowwise
：

x1=tibble(loanAmt = c(800000, 800000, 800000, 700000, 700000, 700000),
       period = c(15,20,25,15,20,25),
       monthly = c(5373, 4279, 3630, 4701, 3744, 3176),
       interest = 0.026) %>%
  rowwise %>% 
  mutate(credit = mortgage(loanAmt, period, monthly, interest))
x1

这是因为

循环的

没有矢量化。不过，请记住，按行使用
是按每行分组的，因此如果数据集很大，则速度可能会很慢

但是，您的函数似乎可以简化为此函数，它不需要
for
循环：

mortgage2 <- function(amt, yrs, mthly,  ints) {
  remain = (amt - mthly * 12 * (yrs)) * (1 + ints)
  return(remain*-1)
}

x2=tibble(loanAmt = c(800000, 800000, 800000, 700000, 700000, 700000),
       period = c(15,20,25,15,20,25),
       monthly = c(5373, 4279, 3630, 4701, 3744, 3176),
       interest = 0.026) %>%
  mutate(credit = mortgage2(loanAmt, period, monthly, interest))
x2
all(x1$credit==x2$credit) # TRUE :-)

2%
变更（信贷=抵押2（贷款、期间、每月、利息））
x2
全部（x1$credit==x2$credit）#正确：-）

因此，不需要按行
。
第一个警告是向量上的

。您可以直接使用TIBLE，这是一个警告，而不是错误。事实上，你会得到一列信用值；如果这是一个错误，情况就不会是这样。但不清楚你期望得到什么，因为你似乎没有按照你想要的顺序分配论点。您为参数

yrs

指定了长度为6的向量，因此

for（i in 1:yrs）

没有意义，这就是警告的来源from@akrun谢谢你的建议，我更改了它，但是警告仍然存在，并且没有按我的预期工作。@camille确实警告没有按预期工作。我想做的是运行

mortgage（）

从每一行的每一列中提取数据。对于第一行，这很好，因为它使用的是第一个元素。然而，在第二排，我希望它运行

抵押贷款（800000,204279,0.026）

。第三行应该是抵押贷款（800000253630,0.026）等等…谢谢！这真的很好！这是我第一次听说

rowwise（）

，它确实解决了这个问题。新功能也起作用了，我一定是想得太多了谢谢！