我一般什么样的应用功能的家庭很了解，但我在使用它发生变异基础上缺少值的另一列新列特别麻烦。 我能够完成我的任务有一个for循环，但我想通过使用应用型功能来加速性能
说我有一个时间序列，从今天和结束几年从现在开始的索引。 我原来的指数只存在于最初几年。 然后我想用假定％的变化人为地延长这些指数（比方说10％），为多年来的其余部分，该存储为新列。
这里是我的样本数据集：
data <- data.frame(
date = seq.Date(as.Date("2019-01-01"),as.Date("2021-01-01"),"3 months"),
index = c(1,1.2,1.4,1.5,1.6,1.7,NA,NA,NA)
)
现在我可以做一个新列，索引2，使用for循环：
data$index2 <- 1
for (i in 1:nrow(data)) {
if (!is.na(data$index[i])) {
data$index2[i] = data$index[i]
}
else {
data$index2[i] = data$index2[i-1]*1.1
}
}
但是，我想不出我会如何使用应用功能做到这一点。 再次感谢您的任何意见。
提供我理解正确的，这似乎是一个工作lag ：
library(dplyr)
data %>% mutate(index2 = if_else(!is.na(index), index, lag(index) * 1.1))
# date index index2
#1 2019-01-01 1.0 1.00
#2 2019-04-01 1.2 1.20
#3 2019-07-01 1.4 1.40
#4 2019-10-01 1.5 1.50
#5 2020-01-01 1.6 1.60
#6 2020-04-01 1.7 1.70
#7 2020-07-01 NA 1.87
#8 2020-10-01 NA NA
#9 2021-01-01 NA NA
这再现了您的预期输出（即它仅替换第一NA ）; 我可能误解了您的问题声明，但我看不出有什么*apply必须与此有关。
你可以实现一个sapply位置，这样
transform(data, index2 = c(index[1], sapply(seq_along(index)[-1], function(i)
if (!is.na(index[i])) index[i] else index[i - 1] * 1.1)))
# date index index2
#1 2019-01-01 1.0 1.00
#2 2019-04-01 1.2 1.20
#3 2019-07-01 1.4 1.40
#4 2019-10-01 1.5 1.50
#5 2020-01-01 1.6 1.60
#6 2020-04-01 1.7 1.70
#7 2020-07-01 NA 1.87
#8 2020-10-01 NA NA
#9 2021-01-01 NA NA
但是这是不是很漂亮。
您的错字后解决问题陈述细微的变化，我们需要cumprod
data %>%
mutate(index2 = if_else(
!is.na(index),
index,
index[which.max(index)] * cumprod(c(rep(1.0, sum(!is.na(index))), rep(1.1, sum(is.na(index)))))))
# date index index2
#1 2019-01-01 1.0 1.0000
#2 2019-04-01 1.2 1.2000
#3 2019-07-01 1.4 1.4000
#4 2019-10-01 1.5 1.5000
#5 2020-01-01 1.6 1.6000
#6 2020-04-01 1.7 1.7000
#7 2020-07-01 NA 1.8700
#8 2020-10-01 NA 2.0570
#9 2021-01-01 NA 2.2627
