使用dplyr实现分组保留首行原始值并计算连续行时间差值的技术问询

我来给你分享两个简洁的dplyr单语句实现，正好满足你的需求：每组id的首行保留原始time值，其余行计算当前time与上一行的差值。

方法一：使用coalesce()函数 #

coalesce()函数的作用是返回第一个非NA的参数值，正好可以用来处理组首行lag(time)返回NA的情况：

library(dplyr)

df %>%
  group_by(id) %>%
  mutate(rt = coalesce(time - lag(time), time)) %>%
  ungroup()

原理：对于每组的第一行，time - lag(time)会得到NA，此时coalesce()会自动取第二个参数time的值；而其他行计算出的差值是非NA的，就直接使用这个差值。

方法二：使用row_number()判断组内首行 #

通过row_number() == 1精准定位每组的第一行，直接赋值原始time，其余行计算差值：

df %>%
  group_by(id) %>%
  mutate(rt = if_else(row_number() == 1, time, time - lag(time))) %>%
  ungroup()

原理：row_number()在每个分组内会生成从1开始的序号，判断序号为1时直接用原始time，否则计算滞后差值，逻辑清晰直观。

最终输出结果 #

两种方法都会得到如下符合预期的结果：

# A tibble: 10 × 3
     id   time    rt
   <int>  <dbl> <dbl>
 1     1  26204 26204
 2     1  46692 20488
 3     1  60268 13576
 4     1  86240 25972
 5     1  91872  5632
 6     2 291242 291242
 7     2 312311 21069
 8     2 333983 21672
 9     2 355122 21139
10     2 364841  9719

这两种方法都不需要额外的后续替换操作，完全遵循dplyr的管道式编程风格，代码更简洁且可读性强。

内容的提问来源于stack exchange，提问作者blazej