我有一个数据集，类似下面的玩具数据集：
       s=structure(list(month_id = c(202306L, 202305L, 202307L, 202305L, 
    202306L, 202307L), MDM_Key = c(1L, 1L, 1L, 2L, 2L, 2L), sale_count = c(NA, 
    19161L, NA, 17726L, NA, NA), iek_max_discount = c(0.5356, 0.5256, 
    0.5456, 0.559, 0.569, 0.589)), class = "data.frame", row.names = c(NA, 
    -6L))
和另一个具有系数的数据集
    cf=structure(list(MDM_Key = 1:2, ML.coef = c(1.46, 1.67)), class = "data.frame", row.names = c(NA, 
    -2L))
'iek_max_discount' 是一个百分比值，即不是0.5356，而是53.56
我需要将每个`mdm_key`（来自`cf`的分组变量）的每个系数乘以最后一个当前月份（来自`s`数据集）的相应`iek_max_discount`（对应于`mdm_key`的）值。
例如，今天的当前月份是五月。这意味着对于`mdm_key =1`，我们取系数1.46并乘以六月的值（`month_id=202306`和`1,46*53,56=78`）。
得到的值也是一个百分比；现在，让我们计算78%的初始值`sale_count`是多少（它也只针对当前月份）。 `19161/100*78=14945`。
然后将结果添加到19161中，并将结果插入到六月份。
类似地，我们对七月份（`month_id=202307`）进行同样的操作；乘以系数`1,46*54,56=79`。计算比例：`19161/100*79=15137`
我们将得到的值添加到19161中，并将结果插入到七月份。
例如，对于mdm_key=1的期望输出
    month_id	MDM_Key	sale_count	iek_max_discount	percent	prop	final
    202306	         1		         0,5356	                 78	14945	34106
    202305	         1	19161	     0,5256			
    202307	         1		         0,5456	                 79	15137	34298
经过相同的过程，我们对mdm_key=2（或任何其他mdm_key，如果有的话）进行操作。
执行这样一系列算术操作的最佳和最简单的方法是什么？

假设总是有一个第一个月，每个 *MDM_Key* 有一个 *sale_count*

<details>
<summary>英文:</summary>
Assuming there is always a first month that has a *sale_count* per *MDM_Key*

</details>
# 答案2
**得分**: 1
``` r
library(dplyr)
cur_month <- as.integer(202305)
s %>%
  right_join(cf, by = "MDM_Key") %>%
  mutate(percent = floor(if_else(month_id == cur_month,
                                  NA, ML.coef * iek_max_discount * 100)),
         prop = floor(percent * sale_count[month_id == cur_month]/100),
         final = sale_count[month_id == cur_month] + prop,
         .by = MDM_Key)

#>   month_id MDM_Key sale_count iek_max_discount ML.coef percent  prop final
#> 1   202306       1         NA           0.5356    1.46      78 14945 34106
#> 2   202305       1      19161           0.5256    1.46      NA    NA    NA
#> 3   202307       1         NA           0.5456    1.46      79 15137 34298
#> 4   202305       2      17726           0.5590    1.67      NA    NA    NA
#> 5   202306       2         NA           0.5690    1.67      95 16839 34565
#> 6   202307       2         NA           0.5890    1.67      98 17371 35097

这个部分有点难以理解你尝试做什么。以下是我最佳猜测：
# 合并它们以使键在同一行上
scf <- merge(s, cf, by = "MDM_Key")
# 按每个唯一的MDM_Key拆分为列表
s_by_key <- split(scf, s$MDM_Key)
# 遍历列表中的每个元素
for(i in 1:length(s_by_key)){
  # 截断以去除小数部分
  s_by_key[[i]]$percent <- trunc(s_by_key[[i]]$iek_max_discount * s_by_key[[i]]$ML.coef * 100)
  # 获取最近的销售月份
  months_with_sales <- which(!is.na(s_by_key[[i]]$sale_count))
  latest_month_with_sales <- which.max(s_by_key[[i]]$month_id[months_with_sales])
  last_sales <- s_by_key[[i]][latest_month_with_sales, "sale_count"]
  s_by_key[[i]]$prop <- trunc(last_sales / 100 * s_by_key[[i]]$percent)
  s_by_key[[i]]$final <- last_sales + s_by_key[[i]]$prop
  # 并将这些行设置为NA，以符合所需的输出
  s_by_key[[i]][latest_month_with_sales, c("percent","prop","final")] <- NA
}
output <- do.call(rbind, s_by_key)
output
#    MDM_Key month_id sale_count iek_max_discount ML.coef percent  prop final
#1.1       1   202306         NA           0.5356    1.46      78 14945 34106
#1.2       1   202305      19161           0.5256    1.46      NA    NA    NA
#1.3       1   202307         NA           0.5456    1.46      79 15137 34298
#2.4       2   202305      17726           0.5590    1.67      NA    NA    NA
#2.5       2   202306         NA           0.5690    1.67      95 16839 34565
#2.6       2   202307         NA           0.5890    1.67      98 17371 35097