创建R循环

我试图创建一个R循环来帮助我获得Var2、Var3和Var4（参见下面的输出）。 Var1、Var5是预先输入的。 Var4是预先输入的

 Var2 = lag(Var4) * Var5
 Var3 = Var2 + lag(Var3)
 Var4 = Var1 - Var3

有什么建议吗

---

首先，我用初始值预先填充表格：

df <- data.frame(row = 1:5, 
                 Var1 = rep(500, 5),
                 Var2 = c(0, rep(NA_real_, 4)),
                 Var3 = c(0, rep(NA_real_, 4)),
                 Var4 = c(500, rep(NA_real_, 4)),
                 Var5 = 0.1)

一个基本的解决方案

我们使用起始值预先分配

df

df <- data.frame(
    Var1 = rep(500, 5),
    Var2 = 0,
    Var3 = 0,
    Var4 = 500,
    Var5 = rep(0.1, 5)
)

然后，我们可以在一个

for

循环中替换

df

中的值

for (i in 2:nrow(df)) {
    df$Var4[i] = df$Var1[i] - df$Var4[i-1] * df$Var5[i] - df$Var3[i-1]
    df$Var3[i] = df$Var4[i-1] * df$Var5[i] + df$Var3[i-1]
    df$Var2[i] = df$Var4[i-1] * df$Var5[i]
}
df
#  Var1  Var2   Var3   Var4 Var5
#1  500  0.00   0.00 500.00  0.1
#2  500 50.00  50.00 450.00  0.1
#3  500 45.00  95.00 405.00  0.1
#4  500 40.50 135.50 364.50  0.1
#5  500 36.45 171.95 328.05  0.1

---

多少次？只有五次？一直到Var4的长度

Var2

的值似乎与

lag（Var4）*Var5

不一致。你能再检查一下吗？此外，

Var3

值由递归关系给出。在这种情况下，您需要一个起始值。起始值是多少？您声明要计算

Var4

的值，但随后提到

Var4

是“预输入的”。那么是哪一个呢？@ali.hash2这仍然不起作用。500作为

Var3

的起始值不会给出屏幕截图中的

Var3

值。另外，您还没有对

Var4

进行说明。

Var4

是给定的（“预先输入”）还是您正在尝试计算

Var4

？对于后者，您有一个循环条件，因为

Var2

依赖于

Var4

，

Var2

依赖于

Var3

，而

Var3

又依赖于

Var4

。如果您回顾一下如何提供。您的数据截图不是一个好主意，因为它（1）要求我们手动转录您的数据，（2）不清楚您希望根据哪些其他数量/列生成哪些数量/列（什么是输入，什么是输出？）。

df <- data.frame(
    Var1 = rep(500, 5),
    Var2 = 0,
    Var3 = 0,
    Var4 = 500,
    Var5 = rep(0.1, 5)
)

Var4[i] = Var1[i] - Var4[i-1] * Var5[i] - Var3[i-1]
Var3[i] = Var4[i-1] * Var5[i] + Var3[i-1]
Var2[i] = Var4[i-1] * Var5[i]

for (i in 2:nrow(df)) {
    df$Var4[i] = df$Var1[i] - df$Var4[i-1] * df$Var5[i] - df$Var3[i-1]
    df$Var3[i] = df$Var4[i-1] * df$Var5[i] + df$Var3[i-1]
    df$Var2[i] = df$Var4[i-1] * df$Var5[i]
}
df
#  Var1  Var2   Var3   Var4 Var5
#1  500  0.00   0.00 500.00  0.1
#2  500 50.00  50.00 450.00  0.1
#3  500 45.00  95.00 405.00  0.1
#4  500 40.50 135.50 364.50  0.1
#5  500 36.45 171.95 328.05  0.1