如何基于DataFrame列动态设置lag函数n值计算价格变动率

核心思路 #

因为lag()函数的n参数仅支持单个整数，无法直接传入向量列，所以需要按分组逐行通过索引定位回溯价格，而非依赖lag()函数。以下是三种可行方案：

方案1：dplyr + purrr（适配tidyverse工作流） #

先按ticker分组，逐个处理每个分组的子数据集，通过遍历行号定位对应回溯价格：

library(dplyr)
library(purrr)

# 先确保数据按ticker和时间排序（关键步骤！）
df <- df %>% arrange(ticker, date)

df <- df %>%
  group_by(ticker) %>%
  group_map(~{
    .x %>%
      mutate(variation = map_dbl(row_number(), ~{
        # 获取当前行的回溯天数
        n_days <- .x$daysPrevWeek[.y]
        # 行号大于回溯天数时计算变动率，否则返回NA
        if (.y > n_days) {
          (.x$price[.y] / .x$price[.y - n_days]) - 1
        } else {
          NA_real_
        }
      }))
  }, .keep = TRUE) %>%
  bind_rows()

方案2：dplyr rowwise（简洁版） #

先给每个分组内的行编号，再逐行通过索引计算，规避lag()的参数限制：

library(dplyr)

# 先排序
df <- df %>% arrange(ticker, date)

df <- df %>%
  group_by(ticker) %>%
  mutate(row_num = row_number()) %>% # 分组内生成连续行号
  rowwise() %>%
  mutate(variation = ifelse(row_num > daysPrevWeek,
                            (price / price[row_num - daysPrevWeek]) - 1,
                            NA_real_)) %>%
  ungroup() %>%
  select(-row_num) # 移除辅助行号列

方案3：data.table（高效处理大数据） #

如果数据集规模较大，data.table的分组计算性能更优：

library(data.table)

# 转成data.table并按ticker和时间排序
setDT(df)
df <- df[order(ticker, date)]

# 分组生成行号并计算变动率
df[, row_num := .I, by = ticker]
df[, variation := ifelse(row_num > daysPrevWeek,
                         (price / price[row_num - daysPrevWeek]) - 1,
                         NA_real_), by = ticker]

注意事项 #

• 必须先按ticker和时间列（比如date）排序，否则回溯的价格会对应错误的时间点。
• 当分组内当前行的行号小于等于daysPrevWeek时，前面没有足够的历史数据，返回NA是合理结果。

内容的提问来源于stack exchange，提问作者Juan M