在R中按NOC、NAICS、Region分组计算三年周期求和

问题描述 #

现有仅含年度数据的数据框，需按NOC、Region、NAICS列分组，计算组内三年周期的Value总和，最终仅在每组最早年份的行显示该总和，其余行显示NA。

原始数据框 #

期望生成的新数据框 #

尝试的R代码（无法正常运行） #

df %>%
  group_by(NOC, Region,  NAICS, Date) %>%
  mutate(max = rollapplyr(Value, 1:n() - findInterval(date - 5, Date), sum)) %>%
  slice_max(max) %>%
  ungroup %>%

可行解决方案 #

思路 #

1. 按NOC、Region、NAICS分组，计算每组的Value总和
2. 标记每组中最早的年份（Date最小的记录）
3. 仅在每组最早年份的行显示总和，其余行填充NA

代码实现 #

library(dplyr)

# 确保Date列为数值型，保证年份比较准确性
df$Date <- as.numeric(df$Date)

result_df <- df %>%
  group_by(NOC, Region, NAICS) %>%
  mutate(
    total_sum = sum(Value, na.rm = TRUE),  # 计算组内所有Value的总和
    is_first_year = Date == min(Date)      # 判断当前行是否为组内最早年份
  ) %>%
  mutate(
    Sum = ifelse(is_first_year, total_sum, NA)  # 仅最早年份行显示总和
  ) %>%
  select(-total_sum, -is_first_year) %>%  # 移除中间辅助列
  ungroup()

print(result_df)

代码说明 #

• 先转换Date为数值型，避免字符型年份比较出错
• 分组计算组内总和，同时标记最早年份的记录
• 通过条件判断控制总和的显示位置，其余行设为NA
• 最后清理辅助列，得到符合需求的结果

内容的提问来源于stack exchange，提问作者user15032839