如何用dplyr批量计算多列间的相邻滞后差值？

问题背景 #

现有包含date列和lead1至leadN（如N=100）的tibble，需要批量生成lag2至lagN列，每列计算逻辑为：lagk = leadk - lag(lead(k-1), 1)，而非单列内的滞后值。手动逐列计算在列数较多时效率极低，需实现批量处理。

解决方案 #

方法一：利用across结合字符串处理（tidyverse风格）

通过提取列名中的数字索引，定位对应的前一列，批量完成差值计算：

library(tidyverse)

set.seed(0)
the_df <- tibble(
  date = seq.Date(ymd('20230101'), ymd('20230101') + days(9), by = 'days'),
  lead1 = rep(1:10),
  lead2 = runif(10),
  lead3 = runif(10),
  lead4 = runif(10)
)

# 批量生成lag2至lag4列
the_df_processed <- the_df %>%
  mutate(across(lead2:lead4, 
                # 提取当前列数字k，取lead(k-1)的滞后1期与当前列做差
                ~ .x - lag(.[[as.integer(str_extract(cur_column(), "\\d+"))]], 1),
                # 重命名结果列为lagk格式
                .names = "lag{str_remove(.col, 'lead')}"))

# 查看处理后的数据
the_df_processed

方法二：矩阵列操作（高效批量处理）

当列数较多（如数百列）时，直接利用数据框的列批量运算，效率更高：

library(tidyverse)

# 提取所有lead开头的列
lead_data <- select(the_df, starts_with("lead"))

# 批量计算差值：lead2 - lag(lead1,1)、lead3 - lag(lead2,1)...
lag_diff_data <- lead_data[, -1] - lag(lead_data[, -ncol(lead_data)], 1)

# 重命名结果列
colnames(lag_diff_data) <- str_replace(colnames(lag_diff_data), "lead", "lag")

# 合并回原数据框
the_df_processed <- the_df %>% bind_cols(lag_diff_data)

# 查看处理后的数据
the_df_processed

结果验证 #

两种方法生成的lag2至lagN列，与手动逐列计算的结果完全一致。其中方法二更适合大规模数据场景，计算速度更快。

内容的提问来源于stack exchange，提问作者JFD