分组滚动平均值计算：如何用Base R实现两组三期数值变量的滚动平均？

问题说明 #

需对包含两个分组、三个观测周期的数值变量计算相邻观测值的滚动平均值，现有数据集及dplyr实现如下：

数据集代码 #

df <- data.frame(
  Day = c(1, 2, 3, 1, 2, 3),
  Id = c("A", "A", "A", "B", "B", "B"),
  Num = c(1, 2, 3, 1, 3, 9)
)

已有的dplyr实现 #

library(dplyr)

df %>%
  group_by(Id) %>%
  mutate(RollingAvg = (Num + lag(Num))/2)

Base R实现方案 #

以下提供两种清晰的Base R实现方式，均能按Id分组完成相邻数值的滚动平均值计算：

方案一：使用ave()函数（最简洁） #

ave()是Base R原生的分组计算函数，可直接对目标向量按分组应用自定义逻辑：

df$RollingAvg <- ave(df$Num, df$Id, FUN = function(x) {
  # 第一个位置设为NA（无前置观测值），后续计算当前值与前一值的平均
  c(NA, (x[-1] + x[-length(x)])/2)
})

方案二：拆分-处理-合并（逻辑更直观） #

通过拆分数据、逐个处理分组、再合并的流程，逻辑清晰易懂：

# 按Id分组拆分数据框
split_groups <- split(df, df$Id)

# 遍历每个分组，计算滚动平均值
processed_groups <- lapply(split_groups, function(group) {
  group$RollingAvg <- c(NA, (group$Num[-1] + group$Num[-nrow(group)])/2)
  group
})

# 合并所有分组，恢复原数据结构
df <- do.call(rbind, processed_groups)
# 重置行号（可选操作）
rownames(df) <- NULL

两种方案的输出结果与dplyr实现完全一致：

Day Id Num RollingAvg
1   1  A   1         NA
2   2  A   2        1.5
3   3  A   3        2.5
4   1  B   1         NA
5   2  B   3        2.0
6   3  B   9        6.0

内容的提问来源于stack exchange，提问作者Bradd