如何在R中依据ID与年份关联填充'Next Outcome'列？

核心方案（dplyr包） #

先模拟你提到的Table 1结构数据，再通过分组排序后取后续行的Outcome值：

library(dplyr)

# 模拟Table 1数据
df <- tibble(
  ID = c(1,1,1,2,2),
  Year = c(2020,2021,2022,2020,2021),
  Outcome = c("A", "B", "C", "X", "Y")
)

# 生成Next Outcome列
df_result <- df %>%
  group_by(ID) %>%
  arrange(Year) %>%  # 务必按年份升序排列，保证取到的是下一年的数据
  mutate(`Next Outcome` = lead(Outcome)) %>%  # lead()取分组内下一行的值，最后一行自动为NA
  ungroup()

运行后得到的df_result就是你要的Table 2效果：每个ID的最后一条记录Next Outcome为NA，其余行对应下一年的Outcome值。

大数据场景方案（data.table包） #

如果你的数据集很大，用data.table效率更高：

library(data.table)

setDT(df)
df_result_dt <- df[order(Year), `Next Outcome` := shift(Outcome, type = "lead"), by = ID]

注意事项 #

• 必须先按Year排序，否则lead()/shift()会取原始数据顺序的下一行，而非下一年的数据
• 如果存在年份缺失的情况，需要先补全年份（比如用tidyr::complete()）再执行上述操作

内容的提问来源于stack exchange，提问作者JH2021