在R中基于自定义条件创建滞后变量及相关统计计算

先拿示例数据集来演示，生成代码如下：

library(tidyverse)
set.seed(123)
rows <- sample(1:nrow(mtcars),4,)

df <- mtcars %>% 
  mutate(
    event_id=row_number()
    ,random_event=if_else(event_id %in% rows,1,0)
  )

需求1：给事件行填上次事件的mpg值，非事件行填0 #

因为事件间隔不固定，直接用dplyr::lag()会给所有行生成滞后值，不符合要求。我们可以先把所有事件行单独提取出来，给这些行生成对应上一次事件的mpg值，再合并回原数据集，最后把非事件行的空缺值替换成0：

# 提取所有事件行，生成上一次事件的mpg
event_rows <- df %>%
  filter(random_event == 1) %>%
  mutate(prev_event_mpg = lag(mpg))

# 合并回原表，非事件行填0
df <- df %>%
  left_join(event_rows %>% select(event_id, prev_event_mpg), by = "event_id") %>%
  mutate(prev_event_mpg = replace_na(prev_event_mpg, 0))

需求2：事件行计算最近两次事件mpg的平均值 #

同样先处理事件行，这里提供两种实现方式，按需选择：

方法1：用slider包（灵活扩展，支持最近3次的情况）

# 未安装slider的话先执行：install.packages("slider")
library(slider)

event_rows <- event_rows %>%
  # .before=1表示取当前行和前1行（最近两次）；若要计算最近3次，改成.before=2即可
  mutate(last_two_mpg_avg = slide_dbl(mpg, mean, .before = 1, .complete = TRUE))

# 合并回原表，非事件行填0
df <- df %>%
  left_join(event_rows %>% select(event_id, last_two_mpg_avg), by = "event_id") %>%
  mutate(last_two_mpg_avg = replace_na(last_two_mpg_avg, 0))

方法2：用dplyr手动计算（无需额外安装包）

event_rows <- event_rows %>%
  mutate(last_two_mpg_avg = (mpg + lag(mpg))/2)

# 合并回原表，非事件行填0
df <- df %>%
  left_join(event_rows %>% select(event_id, last_two_mpg_avg), by = "event_id") %>%
  mutate(last_two_mpg_avg = replace_na(last_two_mpg_avg, 0))

完整代码&结果查看 #

把所有步骤整合起来，运行后可以查看事件行的结果：

library(tidyverse)
library(slider)

set.seed(123)
rows <- sample(1:nrow(mtcars),4,)

df <- mtcars %>% 
  mutate(
    event_id=row_number()
    ,random_event=if_else(event_id %in% rows,1,0)
  )

# 处理需求1
event_rows <- df %>%
  filter(random_event == 1) %>%
  mutate(prev_event_mpg = lag(mpg))

df <- df %>%
  left_join(event_rows %>% select(event_id, prev_event_mpg), by = "event_id") %>%
  mutate(prev_event_mpg = replace_na(prev_event_mpg, 0))

# 处理需求2（用slider实现）
event_rows <- event_rows %>%
  mutate(last_two_mpg_avg = slide_dbl(mpg, mean, .before = 1, .complete = TRUE))

df <- df %>%
  left_join(event_rows %>% select(event_id, last_two_mpg_avg), by = "event_id") %>%
  mutate(last_two_mpg_avg = replace_na(last_two_mpg_avg, 0))

# 查看事件行的结果
df %>% filter(random_event == 1) %>% select(event_id, mpg, prev_event_mpg, last_two_mpg_avg)

运行后，事件行的prev_event_mpg列就是上一次事件对应的mpg值（第一次事件因无前置事件，填充为0）；last_two_mpg_avg列是最近两次事件的mpg平均值（第一次事件仅自身数据，这里替换为0，若需保留NA可删除replace_na步骤）。

内容的提问来源于stack exchange，提问作者alejandro_hagan