数据帧中的逐行迭代，其中每一行取决于R中以前的行计算

在数据帧中，我想使用前面的行计算结果，以获得涉及其他当前行值的当前行计算结果。我还需要应用一些条件，并且必须通过维度乘积_id来完成。关键是目标列同时用于计算自身。我在Excel中复制了一个示例，它如下所示：

product_id <- c(rep(1,each=9), rep(2,each=8))
dates <- c("24/09/20","25/09/20","26/09/20","27/09/20","28/09/20","29/09/20", "30/09/20","01/10/20","02/10/20","08/10/20","09/10/20","10/10/20","11/10/20","12/10/20","13/10/20","14/10/20","15/10/20")
date <- as.Date(dates, "%d/%m/%y")
num_day <- c(1:9, 1:8)
production <- c(rep(4,each=9), rep(3.5,each=8))
demand <- c(0,0,3,1,3,20,0,1,3,0,1,2,5,0,15,1,3)


df <- data.frame (product_id,date,num_day,production,demand)

---

product\u id在找到更优雅的解决方案之前，您可以执行以下操作

library(dplyr)

df %>%
  group_by(product_id) %>%
  mutate(group = if_else(cumsum(production-demand) < 0 | 
                         num_day == min(num_day), 1, 0)) %>%
  ungroup() %>%
  mutate(group = if_else(group != 0, row_number(), as.integer(0)),
         group = cumsum(group)) %>%
  group_by(group) %>%
  mutate(modDiff = if_else(num_day == min(num_day), 0, production-demand)) %>%
  ungroup() %>%
  group_by(product_id) %>%
  mutate(modDiff = if_else(num_day == min(num_day), production-demand, modDiff),
         modDiff = if_else(num_day == min(num_day) & modDiff < 0, 0, modDiff)) %>%
  group_by(group) %>%
  mutate(stock = cumsum(modDiff)) %>%
  ungroup() %>%
  select(-modDiff, -group)

# # A tibble: 17 x 6
# product_id          date num_day production demand stock
# <dbl>             <date>   <int>      <dbl>  <dbl> <dbl>
# 1           1 2020-09-24       1        4        0   4  
# 2           1 2020-09-25       2        4        0   8  
# 3           1 2020-09-26       3        4        3   9  
# 4           1 2020-09-27       4        4        1  12  
# 5           1 2020-09-28       5        4        3  13  
# 6           1 2020-09-29       6        4       20   0  
# 7           1 2020-09-30       7        4        0   4  
# 8           1 2020-10-01       8        4        1   7  
# 9           1 2020-10-02       9        4        3   8  
# 10          2 2020-10-08       1        3.5      0   3.5
# 11          2 2020-10-09       2        3.5      1   6  
# 12          2 2020-10-10       3        3.5      2   7.5
# 13          2 2020-10-11       4        3.5      5   6  
# 14          2 2020-10-12       5        3.5      0   9.5
# 15          2 2020-10-13       6        3.5     15   0  
# 16          2 2020-10-14       7        3.5      1   2.5
# 17          2 2020-10-15       8        3.5      3   3  

库（dplyr）
df%>%
分组依据（产品id）%>%
突变（组=如果其他（总和（生产需求）<0）
num_day==min（num_day），1,0））%>%
解组（）%>%
mutate（group=if_else（group！=0，row_number（），as.integer（0）），
组=总和（组））%>%
分组依据（分组）%>%
变异（modDiff=if_-else（num_-day==min（num_-day），0，生产需求））%>%
解组（）%>%
分组依据（产品id）%>%
变异（modDiff=if_-else（num_-day==min（num_-day）），生产需求，modDiff，
modDiff=if_else（num_day==min（num_day）&modDiff<0,0，modDiff））%>%
分组依据（分组）%>%
突变（股票=累积（modDiff））%>%
解组（）%>%
选择（-modDiff，-组）
##tibble:17 x 6
#产品id日期天数生产需求库存
#                          
# 1           1 2020-09-24       1        4        0   4  
# 2           1 2020-09-25       2        4        0   8  
# 3           1 2020-09-26       3        4        3   9  
# 4           1 2020-09-27       4        4        1  12  
# 5           1 2020-09-28       5        4        3  13  
# 6           1 2020-09-29       6        4       20   0  
# 7           1 2020-09-30       7        4        0   4  
# 8           1 2020-10-01       8        4        1   7  
# 9           1 2020-10-02       9        4        3   8  
# 10          2 2020-10-08       1        3.5      0   3.5
# 11          2 2020-10-09       2        3.5      1   6  
# 12          2 2020-10-10       3        3.5      2   7.5
# 13          2 2020-10-11       4        3.5      5   6  
# 14          2 2020-10-12       5        3.5      0   9.5
# 15          2 2020-10-13       6        3.5     15   0  
# 16          2 2020-10-14       7        3.5      1   2.5
# 17          2 2020-10-15       8        3.5      3   3  
这可以使用
purrr
的
累计
轻松完成：

df%>%
分组依据（产品id）%>%
突变（库存=累积（生产-需求，~max（.x+.y，0）））%>%
解组（）

结果:

# A tibble: 17 x 6
# Groups:   product_id [2]
   product_id date       num_day production demand stock
        <dbl> <date>       <int>      <dbl>  <dbl> <dbl>
 1          1 2020-09-24       1        4        0   4  
 2          1 2020-09-25       2        4        0   8  
 3          1 2020-09-26       3        4        3   9  
 4          1 2020-09-27       4        4        1  12  
 5          1 2020-09-28       5        4        3  13  
 6          1 2020-09-29       6        4       20   0  
 7          1 2020-09-30       7        4        0   4  
 8          1 2020-10-01       8        4        1   7  
 9          1 2020-10-02       9        4        3   8  
10          2 2020-10-08       1        3.5      0   3.5
11          2 2020-10-09       2        3.5      1   6  
12          2 2020-10-10       3        3.5      2   7.5
13          2 2020-10-11       4        3.5      5   6  
14          2 2020-10-12       5        3.5      0   9.5
15          2 2020-10-13       6        3.5     15   0  
16          2 2020-10-14       7        3.5      1   2.5
17          2 2020-10-15       8        3.5      3   3  

#一个tible:17 x 6
#分组：产品编号[2]
产品id日期天数生产需求库存
1          1 2020-09-24       1        4        0   4  
2          1 2020-09-25       2        4        0   8  
3          1 2020-09-26       3        4        3   9  
4          1 2020-09-27       4        4        1  12  
5          1 2020-09-28       5        4        3  13  
6          1 2020-09-29       6        4       20   0  
7          1 2020-09-30       7        4        0   4  
8          1 2020-10-01       8        4        1   7  
9          1 2020-10-02       9        4        3   8  
10          2 2020-10-08       1        3.5      0   3.5
11          2 2020-10-09       2        3.5      1   6  
12          2 2020-10-10       3        3.5      2   7.5
13          2 2020-10-11       4        3.5      5   6  
14          2 2020-10-12       5        3.5      0   9.5
15          2 2020-10-13       6        3.5     15   0  
16          2 2020-10-14       7        3.5      1   2.5
17          2 2020-10-15       8        3.5      3   3  

结果与您的和@rjen的匹配，因此我相对确信这是正确的

说明：使用
累计
，简单的累计和可以实现为
累计（生产-需求，~.x+.y）
（甚至更短为
累计（生产-需求，`+`）
）。在此处使用
max
函数可确保结果永远不会低于0，这是您想要的结果。
请使用
dput（数据）
并在您的主要问题中发布输出，而不是发布您数据的图像-这会使其他人更容易复制您的代码。另外，请给出所需输出的示例。对不起@user438383，这是我第一次在这里发布，我将为下一次编写示例代码和所需输出。解决方案现在适用于所有情况。非常感谢@shizundeiku，很好的解释和真正优化的代码！！