R 基于上一组中计算的另一个值传播值

使用这些数据：

库（tidyverse）
df#A tible:5 x 3
#>开始深度结束深度k
#>               
#> 1        10.0      15.0 0.136
#> 2        15.0      20.0 0.135
#> 3        20.0      25.0 0.133
#> 4        25.0      30.0 0.139
#> 5        30.0      35.0 0.132

我想使用以下等式传播每对

end\u depth

和

start\u depth

的值，增量为1米

例如，假设我从30-35米级的

start\u val=0.001开始：

在
end\u深度=35时

0.001000000=0.001000000*exp（0.132*（35-（35）））

在
end\u深度=34时

0.001141108=0.001000000*exp（0.132*（35-（34）））

在
end\u深度=33时

0.001302128=0.001000000*exp（0.132*（35-（33）））

在
end\u深度=32时

0.001485869=0.001000000*exp（0.132*（35-（32）））

在
end\u深度=31时

0.001695538=0.001000000*exp（0.132*（35-（31）））

在
end\u深度=30时

0.001934792=0.001000000*exp（0.132*（35-（30）））

然后，25-30米级，我将再次开始，但使用最后计算的值（即0.001934792）

在
end\u深度=30时

0.001934792*经验值（0.139*（30-（30）））

在
end\u深度=29时

0.001934792*经验值（0.139*（30-（29）））

我使用的是dplyr，但任何其他选项都是有效的（例如：base R.data.table等）

由（v0.2.0）于2018年2月26日创建。
使用
for
循环的硬编码解决方案

# First adding a vector with starting values
df1 <- df
df1$start_val <-  c(rep(NA, 4),0.001)

# the loop
res <- list()
for (i in nrow(df1):1){
  # for which values to calculated by increment 1
  index <- df1$end_depth[i]:df1$start_depth[i]
  tmp <- sapply(index, function(x){
    df1$start_val[i] * exp(df$k[i] * (max(index) - (x)))
  })
  df_tmp <- cbind(index, tmp)  
  df1$start_val[i-1] <- df_tmp[nrow(df_tmp),2]
  res[[i]] <- df_tmp
} 
df1
# A tibble: 5 x 4
start_depth end_depth     k   start_val
<dbl>     <dbl> <dbl>       <dbl>
1          10        15 0.136 0.014805519
2          15        20 0.135 0.007538325
3          20        25 0.133 0.003876761
4          25        30 0.139 0.001934792
5          30        35 0.132 0.001000000

lapply(res, tail, 2)
[[1]]
index        tmp
[5,]    11 0.02550820
[6,]    10 0.02922428

[[2]]
index        tmp
[5,]    16 0.01293582
[6,]    15 0.01480552

[[3]]
index         tmp
[5,]    21 0.006599540
[6,]    20 0.007538325

[[4]]
index         tmp
[5,]    26 0.003373666
[6,]    25 0.003876761

[[5]]
index         tmp
[5,]    31 0.001695538
[6,]    30 0.001934792

v <- 0.001000000
lst <- vector("list", nrow(df))
 for(i in rev(seq_along(lst))) {
      e1 <- v * exp(df$k[i] *(df$end_depth[i] - 
                  seq(df$start_depth[i], df$end_depth[i], by = 1)))
      lst[[i]] <- e1
      v <- e1[1]

 }

#首先添加带有起始值的向量
df1这里有一个带有
的选项，用于
循环

# First adding a vector with starting values
df1 <- df
df1$start_val <-  c(rep(NA, 4),0.001)

# the loop
res <- list()
for (i in nrow(df1):1){
  # for which values to calculated by increment 1
  index <- df1$end_depth[i]:df1$start_depth[i]
  tmp <- sapply(index, function(x){
    df1$start_val[i] * exp(df$k[i] * (max(index) - (x)))
  })
  df_tmp <- cbind(index, tmp)  
  df1$start_val[i-1] <- df_tmp[nrow(df_tmp),2]
  res[[i]] <- df_tmp
} 
df1
# A tibble: 5 x 4
start_depth end_depth     k   start_val
<dbl>     <dbl> <dbl>       <dbl>
1          10        15 0.136 0.014805519
2          15        20 0.135 0.007538325
3          20        25 0.133 0.003876761
4          25        30 0.139 0.001934792
5          30        35 0.132 0.001000000

lapply(res, tail, 2)
[[1]]
index        tmp
[5,]    11 0.02550820
[6,]    10 0.02922428

[[2]]
index        tmp
[5,]    16 0.01293582
[6,]    15 0.01480552

[[3]]
index         tmp
[5,]    21 0.006599540
[6,]    20 0.007538325

[[4]]
index         tmp
[5,]    26 0.003373666
[6,]    25 0.003876761

[[5]]
index         tmp
[5,]    31 0.001695538
[6,]    30 0.001934792

v <- 0.001000000
lst <- vector("list", nrow(df))
 for(i in rev(seq_along(lst))) {
      e1 <- v * exp(df$k[i] *(df$end_depth[i] - 
                  seq(df$start_depth[i], df$end_depth[i], by = 1)))
      lst[[i]] <- e1
      v <- e1[1]

 }


如果我们使用的是
tidyverse
，则可以使用
pmap
和
acculate\u right

library(purrr)
pmap(df, ~ exp(..3 *(..2 - seq(..1, ..2, by = 1))))  %>%
       accumulate_right(~ .x[1] * .y, .init = 0.001000000) %>% 
       head(., -1)
#[[1]]
#[1] 0.02922428 0.02550820 0.02226465 0.01943353 0.01696241 0.01480552

#[[2]]
#[1] 0.014805519 0.012935817 0.011302229 0.009874938 0.008627890 0.007538325

#[[3]]
#[1] 0.007538325 0.006599540 0.005777667 0.005058146 0.004428230 0.003876761

#[[4]]
#[1] 0.003876761 0.003373666 0.002935859 0.002554867 0.002223316 0.001934792

#[[5]]
#[1] 0.001934792 0.001695538 0.001485869 0.001302128 0.001141108 0.001000000

一切正常。谢谢。@Philippemasicotte谢谢，我用
accumulate