r-递归函数，使用应用于数据帧的循环

Question

我正在尝试创建一个函数，用于计算将应用于数据帧的递归形式。我有一个数据帧对象，它有6列，每列有10行。

Data <- data.frame()
for(i in 1:(10)) {Data  <- rbind(Data ,c(A=i+2,B=sqrt(i),C=1/i,D=i/120,E=i/250,F=i+3)); names(Data ) <- letters[1:6]}

我想使用以下递归函数：

f<-function(x,para,c,d,e){
  #  Constant
  h=0.25
  #para_para<-c() set up the parameters of the model 
  y1=para[1]
  y2=para[2]
  y3=para[3]
  # Terminal condition for the A and B at time T
  A=0
  B=0
  # Recursion back to time t
  steps<-round(d*250,0) 
  for (i in 1:steps){
    A= A+ e*x +y1*B
    B= y2*B+y3 
  }
  f = exp(log(c)*x -A + B*h )
  return(f)
  }

在某些特定值下，该功能起作用：

> para<-c(1,-0.001,0.5)
> W<-f(x=0.5,para,c=0.1,d=0.2,e=0.3)
> W
[1] 4.647528e-15

我想将此函数应用于我的数据帧，并将其与以下数据帧的行进行比较：c=Data$c,d=Data$d,e=Data$e。我尝试了这个带有一些警告的代码：

 f(x=0.5,para,c=Data$c,d=Data$d,e=Data$e)
 [1] 0.6844600 0.4820543 0.3920244 0.3381478 0.3012412 0.2738966 0.2525667
 [8] 0.2353113 0.2209680 0.2087918
Warning message:
In 1:steps : numerical expression has 10 elements: only the first used

事实上，这是不正确的，因为该函数只适用于d的第一个主管，即2=d*250。问题在于步骤，因为它会更改并从数据帧的行中获取值。正确的方法之一是：

    > mapply(function(c,d,e) f(x=0.5,para,c,d,e),c=Data$c,d=Data$d,e=Data$e)
 [1] 6.844600e-01 1.761008e-01 5.190021e-02 1.609455e-02 5.113622e-03
 [6] 1.645010e-03 3.185962e-04 1.031473e-04 3.339030e-05 1.078962e-05

我想找到的是一种简单直接的方法，只使用f而不使用mapply。

提前谢谢。

Answer 1

我想你知道问题出在哪里了。稍微修改一下你的函数，看看它可以接受向量参数：

f1<-function(x,para,c,d,e){
    #  Constant
    h=0.25
    #para_para<-c() set up the parameters of the model 
    y1=para[1]
    y2=para[2]
    y3=para[3]
    # Recursion back to time t
    f <- rep(NA, length(c))
    for (i in 1:length(c)){
        A=0
        B=0
        steps<-round(d[i]*250,0)
        for (j in 1:steps){
            A= A+ e[i]*x +y1*B
            B= y2*B+y3 
        }
        f[i] = exp(log(c[i])*x -A + B*h )        
    }
    return(f)
}

现在它可以同时使用标量和矢量参数。

f1(x=0.5,para,c=0.1,d=0.2,e=0.3)
#[1] 4.647528e-15
f1(x=0.5, para, c=Data$c, d=Data$d, e=Data$e)
#[1] 6.844600e-01 1.761008e-01 5.190021e-02 1.609455e-02 5.113622e-03 1.645010e-03 3.185962e-04 1.031473e-04 3.339030e-05
#[10] 1.078962e-05

Answer 2

这能满足您的需求吗？

在apply:中使用lambda函数

> apply(Data, 1, function (p) f(x=0.5, para, p['c'], p['d'], p['e']))
           1            2            3            4            5            6            7            8 
6.844600e-01 1.761008e-01 5.190021e-02 1.609455e-02 5.113622e-03 1.645010e-03 3.185962e-04 1.031473e-04 
           9           10 
3.339030e-05 1.078962e-05 

您也可以重写您的函数，使其与apply:更紧密地配合使用

f2<-function(cde, x, para){
  c <- cde[1]
  d <- cde[2]
  e <- cde[3]
  #  Constant
  h=0.25
  #para_para<-c() set up the parameters of the model 
  y1=para[1]
  y2=para[2]
  y3=para[3]
  # Terminal condition for the A and B at time T
  A=0
  B=0
  # Recursion back to time t
  steps<-round(d*250,0) 
  for (i in 1:steps){
    A= A+ e*x +y1*B
    B= y2*B+y3 
  }
  f = exp(log(c)*x -A + B*h )
  return(f)
}
> apply(Data[,c('c','d','e')], 1, f2, x=0.5, para)
           1            2            3            4            5            6            7            8 
6.844600e-01 1.761008e-01 5.190021e-02 1.609455e-02 5.113622e-03 1.645010e-03 3.185962e-04 1.031473e-04 
           9           10 
3.339030e-05 1.078962e-05 
> all.equal(apply(Data[,c('c','d','e')], 1, f2, x=0.5, para), 
            apply(Data, 1, function (p) f(x=0.5, para, p['c'], p['d'], p['e'])))
[1] TRUE