使用循环应用于数据框的递归函数

Question

我正在尝试创建一个函数来计算将应用于数据框的递归形式。我有一个数据框对象，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)
  }

在某些特定值下该函数有效：

> 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

我想将此功能应用到我的数据框，并考虑我的数据框的行：c=Data$c,d=Data$d,e=Data$e。我试过这段代码，但有一些警告：

 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

其实这是不对的，因为函数只适用于d的第一个行，即2=d*250。问题在于步骤，因为它会更改并从数据框的行中获取值。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。

提前致谢。

Answer 1

这是你想要的吗？

在内部使用 lambda 函数 apply:

> 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

您还可以重写您的函数，使其更紧凑地与 apply:

一起工作

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

Answer 2

我想你知道问题出在哪里了。稍微修改您的函数以确保它可以采用向量参数：

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)
}

现在它可以接受标量和向量参数。

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

使用循环应用于数据框的递归函数

Recursive function using loop applied to a data frame

recursion

loops

r

function

dataframe