使用dplyr创建含滞后值数值向量的数据框的技术求助

原始数据 #

data <- data.frame(
  A = c(10,20,30,40,50,60,70,80,90,100),
  B = c(110,120,130,140,150,160,170,180,190,200)
)

核心需求 #

1. 新增一列，每行存储当前A值、当前B值及B的N个滞后值组成的数值向量（示例中N=3，实际需支持200个滞后值），最终效果参考：

new_data <- data.frame(
  A = c(10,20,30,40,50,60,70,80,90,100),
  B = c(110,120,130,140,150,160,170,180,190,200),
  c = I(list(c(10,110,NA,NA,NA),c(20,120,110,NA,NA),c(30,130,120,110,NA),c(40,140,130,120,110),c(50,150,140,130,120),c(60,160,150,140,130),c(70,170,160,150,140),c(80,180,170,160,150),c(90,190,180,170,160),c(100,200,190,180,170))
))

2. 最终目标：计算每个A值在「当前A值 + 当前B值 + B的前N个滞后值」集合中的percent_rank，判断A是否大于75分位数（即是否为异常值）。

遇到的问题 #

尝试用purrr::map生成滞后值，但在rowwise()环境中无法正确合并滞后值到目标向量，代码如下：

data %>%
  rowwise() %>% 
  mutate(z = list(c(A,B,map_vec(1:3, ~lag(B,.x, default = NA)))))

解决方案 #

方案1：批量生成滞后值并组合向量 #

无需rowwise()，直接用pmap按行组合A、B和批量生成的滞后值：

library(dplyr)
library(purrr)

# 设置滞后数量（可改为200）
lag_n <- 3

# 生成所有B的滞后值列表
lag_cols <- map(1:lag_n, ~lag(data$B, .x, default = NA))

# 按行组合A、B和所有滞后值
result <- data %>%
  mutate(
    combined_vec = pmap(
      list(A, B, !!!lag_cols),
      function(a, b, ...) c(a, b, ...)
    )
  )

说明：!!!用于将滞后值列表展开为单独参数，pmap自动按行匹配对应的值并组合成向量。

方案2：直接计算percent_rank（跳过中间向量） #

如果仅需计算排名，无需生成完整向量，直接按行提取值计算，效率更高（尤其适合200个滞后值的场景）：

library(dplyr)

lag_n <- 3

result <- data %>%
  mutate(
    a_percent_rank = map_dbl(row_number(), function(i) {
      # 提取当前A、当前B及前lag_n个B值（不足补NA）
      vals <- c(
        A[i], 
        B[i], 
        ifelse(i - 1 >= 1, B[i-1], NA),
        ifelse(i - 2 >= 1, B[i-2], NA),
        ifelse(i - 3 >= 1, B[i-3], NA)
      )
      # 剔除NA后计算A的percent_rank
      clean_vals <- na.omit(vals)
      percent_rank(clean_vals)[which(clean_vals == A[i])]
    }),
    # 判断是否为异常值
    is_outlier = a_percent_rank > 0.75
  )

优化点：直接通过行索引提取所需值，避免生成大量中间列，处理大样本时更高效。

内容的提问来源于stack exchange，提问作者TheGoat