如何在R中为多公司年度股票收益数据集新增下一年收益列？

针对大型多公司年度股票收益数据集，要新增next_year_return列填充下一年收益，R中用组内超前值提取的方法，速度远快于Excel的INDEX+MATCH，以下是两种主流高效实现方案：

1. 优先推荐：data.table（百万级以上数据集首选） #

data.table专为大数据操作优化，原地修改+分组操作的速度碾压Excel，适合超大型数据集。

步骤： #

1. 先确保数据按公司和年度排序（必须，否则会取错值）
2. 按公司分组，用shift()函数提取组内下一行的收益值

# 加载包
library(data.table)

# 示例数据集（替换为你的真实数据）
dt <- data.table(
  company = rep(c("A", "B", "C"), each = 3),
  year = rep(2020:2022, 3),
  return = c(5, 6, 7, 2, 3, 4, 8, 9, 10)
)

# 先按公司+年度排序
dt <- dt[order(company, year)]

# 新增下一年收益列
dt[, next_year_return := shift(return, type = "lead"), by = company]

效果：每个公司的第N行next_year_return会填充第N+1行的return值，最后一行自动填NA（无下一年数据）。

2. dplyr（tidyverse风格，语法简洁） #

如果你习惯tidyverse生态，用dplyr的lead()函数也能快速实现，速度虽略逊于data.table，但仍远快于Excel。

# 加载包
library(dplyr)

# 示例数据集（替换为你的真实数据）
df <- tibble(
  company = rep(c("A", "B", "C"), each = 3),
  year = rep(2020:2022, 3),
  return = c(5, 6, 7, 2, 3, 4, 8, 9, 10)
)

# 排序+分组新增列
df <- df %>%
  arrange(company, year) %>%
  group_by(company) %>%
  mutate(next_year_return = lead(return)) %>%
  ungroup()

关键注意事项 #

• 必须排序：无论用哪种方法，都要先按company和year排序，保证同一公司的年度是连续递增的，否则超前值提取会出错。
• NA处理：公司的最后一行（最新年度）没有下一年数据，会自动填充NA，符合业务逻辑，若需要替换可加replace_na()函数。
• 性能对比：100万行数据，data.table操作耗时通常在1秒内，dplyr在几秒内，完全秒杀Excel的20+小时。

内容的提问来源于stack exchange，提问作者JH1