如何基于一个DataFrame的均值查找另一个DataFrame中对应变量的首次达标年份？

需求说明 #

• 现有两个DataFrame：df1存储变量及其对应均值，df2存储各变量随年份变化的数值
• 需实现：
  1. 找出每个变量首次达到或超过对应均值的年份
  2. 若变量从未达标，标记为「未出现」

示例数据 #

df1（变量均值表） #

df2（变量逐年数值表） #

原代码问题分析 #

• 第一次代码报错longer object length is not a multiple of shorter object length，原因是df2$Variable == df1$Variable属于向量循环匹配，df2行数远多于df1，长度不匹配导致逻辑判断混乱。
• 第二次用%in%解决了长度问题，但df2$Value >= df1$Mean无法对应到每个变量的专属均值，本质是没建立变量与均值的一一对应关联。

解决方案 #

方法1：Base R实现 #

步骤：

1. 合并两个数据集，通过Variable关联每个数值对应的均值
2. 按变量分组，筛选出数值≥均值的行
3. 对每个组取最早的年份，未达标组标记为「未出现」

# 合并数据集，关联每个变量的均值
merged_df <- merge(df2, df1, by = "Variable")

# 筛选达标行，并按变量+年份排序
qualified <- merged_df[merged_df$Value >= merged_df$Mean, ]
qualified <- qualified[order(qualified$Variable, qualified$Year), ]

# 提取每个变量的首次达标年份
first_qualified <- aggregate(Year ~ Variable, data = qualified, FUN = function(x) x[1])

# 与原变量列表合并，填充未达标项
result <- merge(df1, first_qualified, by = "Variable", all.x = TRUE)
result$Year <- ifelse(is.na(result$Year), "未出现", result$Year)

# 查看结果
print(result)

运行结果：

方法2：dplyr实现（更简洁） #

利用dplyr的分组、筛选和取首行功能，逻辑更清晰：

library(dplyr)

result <- df2 %>%
  # 关联每个变量的均值
  left_join(df1, by = "Variable") %>%
  # 按变量分组
  group_by(Variable) %>%
  # 筛选达标行，取最早的一行
  filter(Value >= Mean) %>%
  slice_head(n = 1) %>%
  # 保留需要的列
  select(Variable, Year) %>%
  # 与原变量列表合并，填充未达标项
  right_join(df1, by = "Variable") %>%
  mutate(Year = ifelse(is.na(Year), "未出现", as.character(Year))) %>%
  ungroup()

# 查看结果
print(result)

运行结果和Base R方法一致。

内容的提问来源于stack exchange，提问作者BrittL