结合 2 df 使用 cross_join 的先前结果和增长率进行预测

在我之前的问题中here https://stackoverflow.com/questions/76621713/combine-2-df-with-a-for-loop-to-make-projections?noredirect=1#comment135092935_76621713，我没有考虑使用之前的计算值来生成所需的增量增长率（H）预测。两位贡献者纠正了我之前的意图。我用了：

mutate(cross_join(df1[-3], df2), across(D:F)*H, H = NULL)

但是，我现在想使用 across(D*F) 中的前一个值来估计新值乘以 H。像这样的事情：

df1:
A   B   year    D   E   F
abc ab  2020    0   1   2
def cd  2020    3   4   0
ghi ef  2020    0   5   6
jkl gh  2020    7   8   0
mno ij  2020    0   9   10

df2: 
year    H
2021    1.1
2022    1.2
2023    1.3
2024    1.4
2025    1.5

df3 # for abc ab
A   B   year    D    E     F      H
abc ab  2020    0   1.00    2.00    1
abc ab  2021    0   1.10    2.20    1.1
abc ab  2022    0   1.32    2.64    1.2
abc ab  2023    0   1.72    3.43    1.3
abc ab  2024    0   2.40    4.80    1.4
abc ab  2025    0   3.60    7.21    1.5

可以看出，这些值现在根据 H 增长率而增加。我认为公式是这样的

Xn(1+Hm) 
Where
m = n+1
Xn = across(D:F)
Hm = H

df4 # for def   cd
A    B  year    D      E      F   H
def cd  2020    3        4    0   1
def cd  2021    3.3    4.4  0   1.1
def cd  2022    4.0    5.3  0   1.2
def cd  2023    5.1    6.9  0   1.3
def cd  2024    7.2    9.6  0   1.4
def cd  2025    10.8    14.4    0   1.5

我尝试过做这样的事情

mutate(cross_join(df1[-3], df2), across(D:F)[-1]*H, H = NULL)
I also tried the 
lag and lead functions combined with across

但也没有奏效。

任何帮助都是感激不尽。

编辑：新尝试

Try 1:

在 df2 中，我添加了一个符合我预期的示例。 给出了 0.1（例如，来自 df1），因此它是示例列的第一个观察值。然后第二个是0.1 * (H+1)，依此类推；值以交换方式与前一个值进行估计。

Time      H   example
2010  0.000 0.1000000
2011  0.063 0.1062585
2012  0.049 0.1114821
2013  0.061 0.1182550
2014  0.057 0.1250279
2015  0.028 0.1285086
2016  0.060 0.1361788
2017  0.058 0.1441024
2018 -0.049 0.1370985
2019  0.058 0.1449823
2020 -0.149 0.1233892
2021  0.159 0.1430246
2022  0.076 0.1538541
2023  0.168 0.1796427
2024  0.144 0.2054314
2025  0.126 0.2312200
2026  0.112 0.2570086
2027  0.100 0.2827973
2028  0.091 0.3085859
2029  0.084 0.3343745
2030  0.077 0.3601632

I tried this 
df2_1 <- df2 %>% mutate(example2 = cumsum(0.1 * (H+1)))
head(df2_1)

Time     H   example example2
2010 0.000 0.1000000   0.1000
2011 0.063 0.1062585   0.2063
2012 0.049 0.1114821   0.3112
2013 0.061 0.1182550   0.4173
2014 0.057 0.1250279   0.5230
2015 0.028 0.1285086   0.6258

Try 2:

df2_1 <- df2 %>% mutate(example2 = accumulate(H, ~ 0.1 * ( .x +1)))
head(df2_1)

Time     H   example example2
2010 0.000 0.1000000  0.00000
2011 0.063 0.1062585  0.10000
2012 0.049 0.1114821  0.11000
2013 0.061 0.1182550  0.11100
2014 0.057 0.1250279  0.11110
2015 0.028 0.1285086  0.11111

还是不行。

一旦我完成这个示例，我将尝试插入 cross_join 和 across mutate 函数。

构建您的其他问题（在某些方面非常相似）：

df2 %>%
    add_row(year=2020, H=1, .before=1) %>% # create a 2020 row, because the desired output has this
    cross_join(df1) %>% 
    group_by(A, B) %>% 
    mutate(across(c(D:F), ~ . * H)) %>% # multiply D, E, and F by H ("." is a stand in for the columns)
    select(A, B, year = year.x, D:F, H) %>% # select the columns we want
    ungroup() %>%
    arrange(A, B, year)

我想我可能不得不使用rowwise()，但似乎没有它就可以工作！