优化迭代计算，避免 R 上的循环

Question

我必须对 R 中 data.frame 的行应用迭代计算。问题是，对于每一行，结果取决于先前计算和先前行的结果。

我使用类似于以下示例的循环实现了该解决方案：

example <- data.frame(flag_new = c(TRUE,FALSE,FALSE,FALSE,FALSE,FALSE,FALSE,FALSE,TRUE,FALSE,FALSE,FALSE,FALSE,FALSE,TRUE,FALSE,FALSE,FALSE,FALSE,FALSE,FALSE,FALSE),
                      percentage =sample(1:100,22)/100)
n.Row <- nrow(example)
# initialization
example$K <-0
example$R <-0
example$K[1] <-100
example$R[1] <-example$K[1]*example$percentage[1]
#loop
for(i in 2:n.Row){
  if(example$flag_new[i]){
    example$K[i] <-100
  } else {
    example$K[i] <-example$K[i-1]-example$R[i-1]
  }
  example$R[i] <- example$K[i]*example$percentage[i]
}

问题是真正的代码非常慢（特别是如果我在 KNIME 上的 R 片段中使用它）

有没有办法以更有效的类似 R 的方式优化代码？我尝试使用应用程序系列，但它似乎在我的情况下不起作用。

谢谢

Answer 1

以下是使用累积flag_new进行分组data.table工作

set.seed(1)
example <- data.frame(flag_new = c(TRUE,FALSE,FALSE,FALSE,FALSE,FALSE,FALSE,FALSE,TRUE,FALSE,FALSE,FALSE,FALSE,FALSE,TRUE,FALSE,FALSE,FALSE,FALSE,FALSE,FALSE,FALSE),
                      percentage =sample(1:100,22)/100)    
# initialization
initK = 100
# Copy to allow comparison to your code
newd = example
library(data.table)
setDT(newd)[, Knew:= initK* c(1, cumprod(1 - percentage[-.N])), 
                              by=cumsum(flag_new)][, Rnew:=Knew* percentage]

与问题中运行循环后的结果进行比较

all.equal(example$K, newd$Knew) 
all.equal(example$R, newd$Rnew)

---

通过对从第一个TRUE到下一个要完成的计算进行分组计算可以在没有循环的情况下完成。

例如，使用第一组，计算可以作为

d = example[1:8, ]
d$K1 <- d$K* c(1, cumprod(1 - d$percentage[-length(d$percentage)]))
d$R2 <- with(d, K1* percentage)

这来自

k[i] = k[i-1] - R[i-1] 
k[i] = k[i-1] - k[i-1]* p[i-1] 
     = k[i-1](1 - p[i-1])
So 
k[2] = k[1]* (1-p[1])
k[3] = k[2]* (1-p[2]) = k[1]* (1-p[1])* (1-p[2])
k[4] = k[3]* (1-p[3]) = k[1]* (1-p[1])* (1-p[2])* (1-p[3])
and so on..

所以只需要一个拆分，应用，组合方法，为每个组计算这些我为此使用了data.table