R语言实现指定基准场景与其他场景同代码的差值及百分比计算

针对你的需求，我们可以通过按代码名（cd）分组的方式，在每组内自动匹配基准场景的数值，无需手动子集化数据，也完全不依赖cd的顺序，彻底解决同代码下场景匹配的问题。

核心实现思路 #

1. 按cd分组，确保所有计算都限定在同一代码的场景集合内
2. 在每组中提取指定基准场景的数值，自动关联到同代码的所有场景
3. 基于基准值计算差值、百分比差异，切换基准仅需修改一个参数

dplyr 实现（适合常规数据处理） #

library(dplyr)

# 生成测试数据
set.seed(123456)
vals = as.vector(mapply(FUN = rpois, n = 10, lambda = c(5, 10, 100)))
df.test = data.frame(cd = rep(1:10,3), sc = rep(1:3, each =10 ), vals)

# 指定基准场景（可随时切换，比如改成2、3）
base_sc <- 1

# 分组计算核心指标
df.result <- df.test %>%
  group_by(cd) %>%
  mutate(
    # 提取当前代码组内基准场景的数值
    base_vals = vals[sc == base_sc],
    # 当前场景与基准场景的差值：当前值 - 基准值
    delta = vals - base_vals,
    # 百分比差异（标准增长/下降公式：(差值/基准值)*100，处理基准值为0的异常情况）
    delta_perc = ifelse(base_vals != 0, (delta / base_vals) * 100, NA),
    # 若需要还原你原代码的百分比逻辑，替换为以下两行
    # diff = abs(base_vals),  # 等价于原代码的diff计算
    # delta_perc_increase = (abs(delta)/diff + 1) * 100
  ) %>%
  ungroup()

# 查看结果
head(df.result)

data.table 实现（适合大数据量） #

如果你的数据集很大，用data.table的分组计算效率更高：

library(data.table)

setDT(df.test)
base_sc <- 1

df.result <- df.test[, 
                     .(sc, vals, 
                       base_vals = vals[sc == base_sc],
                       delta = vals - vals[sc == base_sc],
                       delta_perc = ifelse(vals[sc == base_sc] != 0, (vals - vals[sc == base_sc])/vals[sc == base_sc]*100, NA)),
                     by = cd]

关键优势 #

• 无需手动子集化：不再需要写df.test[df.test$sc ==1,'vals']这类冗余代码，所有匹配自动完成
• 不依赖顺序：不管cd在数据中的顺序如何，分组后都会在同代码内匹配基准值，避免顺序错误
• 基准切换便捷：只需修改base_sc的数值，就能自动重新计算所有场景与新基准的差值
• 逻辑清晰：所有计算都限定在同代码组内，完全保证sc1.cd1 - sc2.cd1这类匹配逻辑

内容的提问来源于stack exchange，提问作者M. Beausoleil