如何在R中一站式实现数据框的ID筛选、年份重排及差值计算

原始数据 #

df <- data.frame (ID  = c("A1","A1","A1","A2","A2","A3","A3","A3","A3","A4","A4","A4","A4"),
                  status = c(1,1,0,1,0,1,1,1,0,1,1,1,1),
                  value = c( 10,12,0,40,42,30,31,34,0,32,34,36,37),
                  year = c(2000,2005,2010,2005,2010,2000,2005,2010,2015,2000,2005,2010,2015
                  ))

需求 #

需要一次性完成以下操作：

• 仅保留ID出现3次及以上的记录
• 将数据按连续3个年份分组重排，每行对应一组连续三年的数据
• 保留各年份的status字段
• 计算第二年与第一年、第三年与第二年的value差值

整合代码实现 #

使用dplyr包即可完成所有步骤，代码简洁高效：

library(dplyr)

df_result <- df %>%
  # 1. 筛选ID出现次数≥3的组
  group_by(ID) %>%
  filter(n() >= 3) %>%
  # 2. 用lead()获取下一年、下两年的对应字段
  mutate(
    Year2 = lead(year),
    Year3 = lead(year, 2),
    Value2 = lead(value),
    Value3 = lead(value, 2),
    Status2 = lead(status),
    Status3 = lead(status, 2),
    # 3. 计算value差值
    DiffValue1 = Value2 - value,
    DiffValue2 = Value3 - Value2
  ) %>%
  # 4. 过滤掉无法组成连续三年的末尾行
  filter(!is.na(Year3)) %>%
  # 5. 重命名列以匹配目标格式
  rename(Year1 = year, Value1 = value, Status1 = status) %>%
  # 6. 按目标顺序选择列并取消分组
  select(ID, Year1, Year2, Year3, Value1, Value2, Value3, DiffValue1, DiffValue2, Status1, Status2, Status3) %>%
  ungroup()

# 查看结果
print(df_result)

代码解释 #

• group_by(ID) %>% filter(n() >=3)：先按ID分组，只保留组内记录数≥3的组
• lead()函数：直接获取当前行的下一行（lead(x)）和下两行（lead(x,2)）的数据，快速生成连续三年的字段
• filter(!is.na(Year3))：去掉组内最后两行（因为这两行无法获取到第三年的数据）
• 最后通过rename()和select()整理成目标要求的列名和顺序

运行后得到的结果与你提供的目标数据完全一致。

内容的提问来源于stack exchange，提问作者starski