如何将SDI设为各国最早年份常量并计算ODA人均值？

前提说明 #

你的示例数据缺少SDI和Population变量，以下解决方案会先补充模拟数据，再完成两个需求的实现，使用dplyr包（R中常用的数据处理工具）来高效批量处理。

步骤1：准备完整数据（含模拟的SDI、Population） #

# 加载dplyr包（未安装先运行：install.packages("dplyr")）
library(dplyr)

# 原始示例数据
Country = c("Afghanistan", "Algeria","Angola","Argentina","Armenia",
            "Bangladesh","Belarus","Benin","Bhutan","Brazil")
year = c("2013", "2017", "2005", "2009", "2005", 
         "2009", "2005", "2005", "2009", "2005" )
ODA = c("5239070000", "2186920000", "1667990000","2102860000",
        "215700000","1943200000","141020000",
        "379850000","163570000","21630120000")

# 模拟SDI和Population数据（匹配原始数据行）
SDI = c(0.45, 0.72, 0.51, 0.83, 0.70, 0.58, 0.75, 0.48, 0.62, 0.79)
Population = c(32269589, 41318142, 19618432, 43024374, 3010600,
               153546901, 9498700, 10879823, 797765, 191796000)

# 创建数据框并转换数据类型
df = data.frame(Country, year, ODA, SDI, Population) %>%
  mutate(
    year = as.integer(year),
    ODA = as.numeric(ODA)
  )

步骤2：实现需求1——将SDI设为各国最早年份的常量 #

按国家分组，提取每组最早年份对应的SDI值，赋值给该组所有行：

df_processed = df %>%
  group_by(Country) %>%
  # 标记当前国家的最早年份
  mutate(earliest_year = min(year)) %>%
  # 用最早年份的SDI覆盖所有行的SDI
  mutate(SDI = SDI[year == earliest_year]) %>%
  # 移除临时辅助列
  select(-earliest_year) %>%
  ungroup()

步骤3：实现需求2——计算ODA人均值 #

直接新增列，用对应年份的ODA除以人口：

df_processed = df_processed %>%
  mutate(ODA_per_capita = ODA / Population)

最终效果 #

处理后的df_processed数据框中：

• 每个国家所有年份的SDI值统一为该国最早年份的数值
• 新增ODA_per_capita列，存储对应年份的ODA人均值

内容的提问来源于stack exchange，提问作者Lex