r - 向下填充一列，递归地将函数应用于前一个值

Question

考虑这个数据

data <- data.frame(
  group = c(rep("A", 10), rep("B", 10)),
  year = rep(2016:2025, 2),
  value = c(10, 20, 30, 40, NA, NA, NA, NA, NA, NA, 
            70, 80, NA, NA, NA, NA, NA, NA, NA, NA)
)
data
#>    group year value
#> 1      A 2016    10
#> 2      A 2017    20
#> 3      A 2018    30
#> 4      A 2019    40
#> 5      A 2020    NA
#> 6      A 2021    NA
#> 7      A 2022    NA
#> 8      A 2023    NA
#> 9      A 2024    NA
#> 10     A 2025    NA
#> 11     B 2016    70
#> 12     B 2017    80
#> 13     B 2018    NA
#> 14     B 2019    NA
#> 15     B 2020    NA
#> 16     B 2021    NA
#> 17     B 2022    NA
#> 18     B 2023    NA
#> 19     B 2024    NA
#> 20     B 2025    NA

现在我想应用任意函数来填充缺失值递归到最后一个非缺失值。

例如，假设我想要让这些值每年增加 10 个点。

因此，对于 value 不为 NA 的行，它应该保持不变。从 value 为 NA 的行开始，它应用该 value_t = value_t − 1 + 10

一个天真的尝试是使用dplyr::lag，但这仅适用于第一个缺失值，因为 lag 是矢量化的并且对 value 向量进行操作，并且不会递归之前的 value

library(dplyr)
data |> 
  group_by(group) |> 
  mutate(value_fix = dplyr::lag(value) + 10)   
#> # A tibble: 20 × 4
#> # Groups:   group [2]
#>    group  year value value_fix
#>    <chr> <int> <dbl>     <dbl>
#>  1 A      2016    10        NA
#>  2 A      2017    20        20
#>  3 A      2018    30        30
#>  4 A      2019    40        40
#>  5 A      2020    NA        50
#>  6 A      2021    NA        NA
#>  7 A      2022    NA        NA
#>  8 A      2023    NA        NA
#>  9 A      2024    NA        NA
#> 10 A      2025    NA        NA
#> 11 B      2016    70        NA
#> 12 B      2017    80        80
#> 13 B      2018    NA        90
#> 14 B      2019    NA        NA
#> 15 B      2020    NA        NA
#> 16 B      2021    NA        NA
#> 17 B      2022    NA        NA
#> 18 B      2023    NA        NA
#> 19 B      2024    NA        NA
#> 20 B      2025    NA        NA

这是我认为 tidyr 可以提供帮助的地方，因为它有点相似tidyr::fill

data |> 
  group_by(group) |> 
  tidyr::fill(value) 

但理想情况下，使用 .f 参数递归地应用于最后一个值。好像没有这样的事情。

谷歌搜索我想出了这个解决方案

data |> 
  group_by(group) |> 
  mutate(last_value = case_when(
    value == dplyr::last(na.omit(value)) ~ value,
    TRUE ~ NA_real_
  )) |> 
  mutate(value_fix = purrr::accumulate(
      .x = last_value,
      .f = ~ coalesce(.x + 10, .y)
  ))
#> # A tibble: 20 × 5
#> # Groups:   group [2]
#>    group  year value last_value value_fix
#>    <chr> <int> <dbl>      <dbl>     <dbl>
#>  1 A      2016    10         NA        NA
#>  2 A      2017    20         NA        NA
#>  3 A      2018    30         NA        NA
#>  4 A      2019    40         40        40
#>  5 A      2020    NA         NA        50
#>  6 A      2021    NA         NA        60
#>  7 A      2022    NA         NA        70
#>  8 A      2023    NA         NA        80
#>  9 A      2024    NA         NA        90
#> 10 A      2025    NA         NA       100
#> 11 B      2016    70         NA        NA
#> 12 B      2017    80         80        80
#> 13 B      2018    NA         NA        90
#> 14 B      2019    NA         NA       100
#> 15 B      2020    NA         NA       110
#> 16 B      2021    NA         NA       120
#> 17 B      2022    NA         NA       130
#> 18 B      2023    NA         NA       140
#> 19 B      2024    NA         NA       150
#> 20 B      2025    NA         NA       160

这可行，但似乎有点老套且不易阅读。只编写循环并感到高兴会更干净。

我真的认为对于这样一个简单的情况，在 tidyverse 中会有一种内置的方式(矢量化、可读代码)来完成它。但我找不到任何东西。我错过了什么吗？有什么想法可以更好地做到这一点吗？

^{创建于 2022-08-30 reprex v2.0.2}

Answer 1

custom_fun <- function(x, y) {
  if(is.na(y)) x + 10 else y
}


data %>%
  group_by(group)%>%
  mutate(value = accumulate(value, custom_fun))

# Groups:   group [2]
   group  year value
   <chr> <int> <dbl>
 1 A      2016    10
 2 A      2017    20
 3 A      2018    30
 4 A      2019    40
 5 A      2020    50
 6 A      2021    60
 7 A      2022    70
 8 A      2023    80
 9 A      2024    90
10 A      2025   100
11 B      2016    70
12 B      2017    80
13 B      2018    90
14 B      2019   100
15 B      2020   110
16 B      2021   120
17 B      2022   130
18 B      2023   140
19 B      2024   150
20 B      2025   160