如何在R中基于跨组日期计算列值的变化量？

给定如下结构的tibble df，包含日期、数值和分组标签：

library(tidyverse)

set.seed(123)

temp_ref <- tibble(date = as.Date(c("2020-01-01", "2018-01-01", "2016-01-01")),
                   var = rnorm(3),
                   label = "REF")

temp_main <- tibble(date = as.Date(c("2019-05-05", "2018-05-05", "2017-05-05", "2016-05-05", "2015-05-05")),
                    var = rnorm(5),
                    label = "MAIN")

df <- bind_rows(temp_ref, temp_main)

需求：为MAIN组的每条记录，计算其var值与REF组中早于该记录日期的最近日期对应的var值的差值，生成新列var_new；REF组的var_new设为NA。

最优简洁方案（基于tidyverse） #

无需额外安装包，利用基础tidyverse函数结合findInterval实现向量级运算，效率更高：

# 提前提取并排序REF组的日期和数值（确保日期有序）
ref_data <- df %>% filter(label == "REF") %>% arrange(date)

df_result <- df %>%
  mutate(
    var_new = case_when(
      label == "MAIN" ~ {
        # 定位当前日期在REF日期序列中的位置，取最大的不大于当前日期的记录索引
        idx <- findInterval(date, ref_data$date, left.open = TRUE)
        # 索引为0表示无符合条件的REF记录，返回NA；否则计算差值
        ifelse(idx == 0, NA_real_, var - ref_data$var[idx])
      },
      # REF组直接设为NA
      TRUE ~ NA_real_
    )
  ) %>%
  # 按日期降序排序，匹配示例结果格式
  arrange(desc(date))

结果验证 #

运行代码后输出结果与需求完全一致：

# A tibble: 8 × 4
  date           var label var_new
  <date>       <dbl> <chr>   <dbl>
1 2020-01-01 -0.560  REF    NA    
2 2018-01-01 -0.230  REF    NA    
3 2016-01-01  1.56   REF    NA    
4 2019-05-05  0.0705 MAIN    0.300
5 2018-05-05  0.129  MAIN    0.359
6 2017-05-05  1.72   MAIN    0.16 
7 2016-05-05  0.461  MAIN   -1.10 
8 2015-05-05 -1.27   MAIN   NA    

方案说明 #

• findInterval函数快速定位每个MAIN日期在REF日期序列中的插入位置，返回的索引直接对应最近的早于当前日期的REF记录；
• 向量级运算避免了rowwise的性能损耗，处理大数据集时效率更优；
• 逻辑清晰，仅依赖基础tidyverse工具链，无额外依赖。

内容的提问来源于stack exchange，提问作者Dr. Fabian Habersack