如何用group_map处理分组数据集：非首行观测值递减生成新列

问题分析 #

你当前的代码存在两个核心问题：

1. 分组依据错误：你按value分组，但需求是基于业务分组（如示例中的problems或category_problems）计算组内的滞后值，同一value可能属于不同业务分组，不能混为一谈。
2. 数据处理方式错误：group_map会返回拆分后的分组结果列表，无法保留原数据框结构并添加新列，应该使用mutate结合分组上下文完成计算。

修正后的代码 #

library(tidyverse)

# 示例数据
test = 
  tibble(
    problems = c("money", "money", "money", "food", "food", "bills", "bills"),
    category_problems = c("financial insecurity", "financial insecurity", "financial insecurity", "cost of living", "cost of living", "financial insecurity", "financial insecurity"),
    value = c(3, 3, 3, 2, 2, 1, 1)
  )

# 修正自定义函数：利用分组上下文计算组内行号
lag.values = function(x) {
  case_when(
    row_number() == 1 ~ x,  # 组内首行保留原value
    TRUE ~ lag(x) - 1e-6    # 非首行取前一行value减0.000001
  )
}

# 按业务分组（这里用problems，可根据实际需求替换为category_problems）
test_result <- test %>%
  group_by(problems) %>%
  mutate(lagged.values = lag.values(value)) %>%
  ungroup()

# 查看结果
test_result

输出结果 #

# A tibble: 7 × 4
  problems category_problems       value lagged.values
  <chr>    <chr>                   <dbl>         <dbl>
1 money    financial insecurity        3          3    
2 money    financial insecurity        3          2.999999
3 money    financial insecurity        3          2.999998
4 food     cost of living              2          2    
5 food     cost of living              2          1.999999
6 bills    financial insecurity        1          1    
7 bills    financial insecurity        1          0.999999

关键说明 #

• 用group_by(problems)（或你实际需要的分组列）确保每组内的行号独立计算，符合分组数据集的需求。
• 使用mutate替代group_map，在原数据框中直接添加新列，保留所有原始数据。
• 用1e-6替代0.000001，代码更简洁易读。

内容的提问来源于stack exchange，提问作者Shaq