如何在R中用自己的函数填充向量

我有一个包含一些信息的向量，我需要创建一个包含日志变量的新向量，而不使用循环以获得更好的性能，我的数据如下所示：

Var1
12
34
23
56
9
10

我已经在尝试使用sapply了

sapply(Var1, function(i) {
  log(Var[i]/Var[i-1])
})

但这对我不起作用，我想要这样的东西

Var1     New_VaR2
12  NA
34  1.041453875
23  -0.390866309
59  0.942043228
9   -1.880312867
10  0.105360516

提前感谢。

我非常喜欢项目符号1中的解决方案，但项目符号2中提供了对代码的更正，供您参考。（请使用1.：-）

默认情况下，R的许多函数都是矢量化的，这意味着它们可以处理1个值、2个值或200万个值。这样做的一个好处是，您不需要显式地尝试循环或迭代，因此代码更简单。另一个好处是，当一个函数本机矢量化时，它通常（但并非总是）比手动迭代快得多

x$Var2I非常喜欢项目符号1中的解决方案，但是项目符号2中提供了对代码的更正，供您参考。（请使用1.：-）

默认情况下，R的许多函数都是矢量化的，这意味着它们可以处理1个值、2个值或200万个值。这样做的一个好处是，您不需要显式地尝试循环或迭代，因此代码更简单。另一个好处是，当一个函数本机矢量化时，它通常（但并非总是）比手动迭代快得多

x$Var2我认为在R中实现这一点最简单的方法是使用
dplyr:：lag

log(df1$Var1/dplyr::lag(df1$Var1))
#[1]         NA  1.0414539 -0.3908663  0.9420432 -1.8803129  0.1053605

all.equal(df1$New_VaR2, log(df1$Var1/dplyr::lag(df1$Var1)))
#[1] TRUE

数据。

df1 <- read.table(text = "
Var1     New_VaR2
12  NA
34  1.041453875
23  -0.390866309
59  0.942043228
9   -1.880312867
10  0.105360516
", header = TRUE)

df1我相信在R中实现这一点最简单的方法是使用
dplyr:：lag

log(df1$Var1/dplyr::lag(df1$Var1))
#[1]         NA  1.0414539 -0.3908663  0.9420432 -1.8803129  0.1053605

all.equal(df1$New_VaR2, log(df1$Var1/dplyr::lag(df1$Var1)))
#[1] TRUE

数据。

df1 <- read.table(text = "
Var1     New_VaR2
12  NA
34  1.041453875
23  -0.390866309
59  0.942043228
9   -1.880312867
10  0.105360516
", header = TRUE)

df1
x$Var2供参考：使用
sapply
代码，认识到
i
是每个
Var1
的值，但在内部，您将其视为该向量上的索引。您可能已经能够执行如下操作：
sapply（seq_-along（x$Var1）[-1]，function（i）log（x$Var1[i]/x$Var1[i-1]）
，尽管出于前面答案中所述的原因，您需要预先编写一个
NA
。（而且
log
的矢量化使用要比
sapply
或
快得多。对于
循环，尽可能/可用时使用矢量化函数。）谢谢你们，你们太棒了
x$Var2供参考：使用
sapply
代码，认识到
i
是每个
Var1
的值，但在内部，您将其视为该向量上的索引。您可能已经能够执行如下操作：
sapply（seq_-along（x$Var1）[-1]，function（i）log（x$Var1[i]/x$Var1[i-1]）
，尽管出于前面答案中所述的原因，您需要预先编写一个
NA
。（而且
log
的矢量化使用要比
sapply
或
快得多。对于
循环，尽可能/可用时使用矢量化函数。）谢谢你们，你们太棒了！你有包裹膨胀。。。这里使用的
lag
是
dplyr:：lag
，而不是
stats:：lag
。如果您在不加载
dplyr
（
log（df1$Var1/stats:：lag（df1$Var1））
的情况下进行尝试，您将得到所有零。（不幸的是，这是我倾向于直言不讳的一个原因，因为我已经被类似的灼伤过好几次。）@r2evans谢谢，没有注意到这一点。这是一个众所周知的冲突。我不知道我发现什么更令人恼火：事实上，
stats:：lag
没有达到我预期的效果（对于我的大多数使用），或者，
dplyr
和friends与许多基本函数冲突，显著地重新定义了输出。（我相信有几个更好，但不是全部。）你的包裹膨胀。。。这里使用的
lag
是
dplyr:：lag
，而不是
stats:：lag
。如果您在不加载
dplyr
（
log（df1$Var1/stats:：lag（df1$Var1））
的情况下进行尝试，您将得到所有零。（不幸的是，这是我倾向于直言不讳的一个原因，因为我已经被类似的灼伤过好几次。）@r2evans谢谢，没有注意到这一点。这是一个众所周知的冲突。我不知道我发现什么更令人恼火：事实上，
stats:：lag
没有达到我预期的效果（对于我的大多数使用），或者，
dplyr
和friends与许多基本函数冲突，显著地重新定义了输出。（我相信有几个更好，但不是全部。）