如何在R中实现Excel的SLOPE函数，计算每行最后3列斜率

以下是几种在R中实现需求的方法，涵盖通用线性回归解法、tidyverse风格处理以及快速公式计算：

方法1：Base R 通用线性回归解法（对齐Excel SLOPE逻辑） #

该方法直接调用lm计算斜率，和Excel的SLOPE函数逻辑完全一致，支持用实际日期作为x轴（对应Excel的日期序列值）：

# 加载lubridate用于解析日期列名（若未安装先运行install.packages("lubridate")）
library(lubridate)

# 定义斜率计算函数，包含NA值处理
calc_slope <- function(y, x) {
  # 当有效数据不足2个时返回NA，和Excel SLOPE行为一致
  if (sum(!is.na(y)) < 2) return(NA)
  # 拟合线性模型并提取斜率
  coef(lm(y ~ x, na.action = na.exclude))[2]
}

# 定位最后3个数值列（假设前2列是机构名称相关列）
last3_col_indices <- (ncol(df) - 2):ncol(df)
# 将最后3列的列名解析为日期，并转成Excel格式的整数日期序列
x_values <- as.integer(my(names(df)[last3_col_indices]))

# 逐行计算斜率并新增至数据框
df$Slope <- apply(df[, last3_col_indices], 1, function(row) calc_slope(row, x_values))

方法2：Tidyverse 风格行处理 #

如果你习惯用dplyr的管道语法，可通过rowwise实现逐行计算：

library(dplyr)
library(lubridate)

# 获取最后3个日期列的名称
last3_cols <- df %>%
  select(-OrgCode, -Provider) %>%
  names() %>%
  tail(3)

# 解析日期列名为Excel格式的整数日期
x_values <- my(last3_cols) %>% as.integer()

# 新增斜率列
df <- df %>%
  rowwise() %>%
  mutate(
    Slope = {
      y_vals <- c_across(all_of(last3_cols))
      if (sum(!is.na(y_vals)) < 2) NA else coef(lm(y_vals ~ x_values))[2]
    }
  ) %>%
  ungroup()

方法3：快速公式计算（适用于等间隔月份） #

若你仅需要计算每月的变化率（无需严格对齐Excel日期序列，用1/2/3代表最近3个月），可直接用数学公式计算，比调用lm效率更高：

# 快速计算斜率：当x为连续整数1/2/3时，斜率等价于(最后一个值-第一个值)/2
df$Slope <- apply(df[, (ncol(df)-2):ncol(df)], 1, function(row) {
  if (sum(!is.na(row)) < 2) NA else (row[3] - row[1])/2
})

该方法的计算结果与lm(y ~ 1:3)完全一致，且速度更快，适合处理大规模数据。

内容的提问来源于stack exchange，提问作者Emma541