R语言中基于CURR_PR变量更新BRR列值的后续技术问题

这是此前问题的后续。现有如下数据框：

ID <- c('A','A','A','A','A','A','A','A','A','A','A','A','A','A','A','A' )
EXP_P <- c(62,62,62,62,62,62,62,64,64,64,67,67,67,67,67,67)
BRR <- c(61,57,66,53,54,50,55,65,71,53,51,50,58,54,55,57)
val1 <- c(1,1,1,1,1,1,1,2,2,2,3,3,3,3,3,3)
CURR_PR <- c(1,1,1,1,1,1,1,2,2,2,2,3,3,3,3,3)

df <- data.frame(ID, EXP_P, BRR, val1, CURR_PR)

初始输出：

ID EXP_P BRR val1 CURR_PR
1   A    62  61    1       1
2   A    62  57    1       1
3   A    62  66    1       1
4   A    62  53    1       1
5   A    62  54    1       1
6   A    62  50    1       1
7   A    62  55    1       1
8   A    64  65    2       2
9   A    64  71    2       2
10  A    64  53    2       2
11  A    67  51    3       2
12  A    67  50    3       3
13  A    67  58    3       3
14  A    67  54    3       3
15  A    67  55    3       3
16  A    67  57    3       3

已通过以下代码实现依赖多变量的BPP列计算：

df %>%
  group_by(ID, val1) %>%
  mutate(occ = row_number()) %>%
  group_by(ID) %>%
  mutate(
    BPP = case_when(
      occ == 1 ~ EXP_P,
      occ == 2 ~ lag(BRR),
      occ == 3 ~ pmax(lag(BRR, 1), lag(BRR, 2), na.rm = TRUE),
      TRUE ~ pmax(lag(BRR, 1), lag(BRR, 2), lag(BRR, 3), na.rm = TRUE)
    )
  ) %>%
  ungroup()

计算结果：

# # A tibble: 16 × 6
#    ID    EXP_P   BRR  val1   occ   BPP
#    <chr> <dbl> <dbl> <dbl> <int> <dbl>
#  1 A        62    61     1     1    62
#  2 A        62    57     1     2    61
#  3 A        62    66     1     3    61
#  4 A        62    53     1     4    66
#  5 A        62    54     1     5    66
#  6 A        62    50     1     6    66
#  7 A        62    55     1     7    54
#  8 A        64    65     2     1    64
#  9 A        64    71     2     2    65
# 10 A        64    53     2     3    71
# 11 A        67    51     3     1    67
# 12 A        67    50     3     2    51
# 13 A        67    58     3     3    51
# 14 A        67    54     3     4    58
# 15 A        67    55     3     5    58
# 16 A        67    57     3     6    58

新需求 #

当CURR_PR值发生变化时，需将对应组的第一个BRR值替换为前一个CURR_PR组的第一个BRR值：

• CURR_PR=1时，第一个BRR为61；
• CURR_PR变为2时，该组第一个BRR需替换为CURR_PR=1组的第一个BRR（即61）；
• CURR_PR变为3时，该组第一个BRR需替换为CURR_PR=2组更新后的第一个BRR（即61）；
  注：该替换值会随后续case_when的计算动态更新，并非固定为61。

期望输出（更新后的BRR列）：

ID EXP_P BRR val1 CURR_PR
1   A    62  61    1       1
2   A    62  57    1       1
3   A    62  66    1       1
4   A    62  53    1       1
5   A    62  54    1       1
6   A    62  50    1       1
7   A    62  55    1       1
8   A    64  61    2       2
9   A    64  71    2       2
10  A    64  53    2       2
11  A    67  51    3       2
12  A    67  61    3       3
13  A    67  58    3       3
14  A    67  54    3       3
15  A    67  55    3       3
16  A    67  57    3       3

可以通过以下步骤实现需求：

1. 标记每个CURR_PR组的首行；
2. 提取每个CURR_PR组的初始首行BRR值，并关联前一组的首行BRR值；
3. 替换当前组首行的BRR值为前一组的首行BRR；
4. 基于更新后的BRR计算BPP列。

完整代码：

library(dplyr)

# 步骤1：处理BRR的替换逻辑
df_updated <- df %>%
  group_by(ID, CURR_PR) %>%
  mutate(is_first = row_number() == 1) %>%
  ungroup() %>%
  # 提取每个CURR_PR组的第一个BRR值
  group_by(ID, CURR_PR) %>%
  summarise(first_brr = first(BRR), .groups = "drop") %>%
  # 计算前一个CURR_PR组的first_brr
  group_by(ID) %>%
  mutate(prev_first_brr = lag(first_brr)) %>%
  ungroup() %>%
  # 关联回原数据，替换首行BRR
  right_join(df, by = c("ID", "CURR_PR")) %>%
  mutate(
    BRR = ifelse(is_first & !is.na(prev_first_brr), prev_first_brr, BRR)
  ) %>%
  select(-is_first, -first_brr, -prev_first_brr)

# 步骤2：基于更新后的BRR计算BPP
final_df <- df_updated %>%
  group_by(ID, val1) %>%
  mutate(occ = row_number()) %>%
  group_by(ID) %>%
  mutate(
    BPP = case_when(
      occ == 1 ~ EXP_P,
      occ == 2 ~ lag(BRR),
      occ == 3 ~ pmax(lag(BRR, 1), lag(BRR, 2), na.rm = TRUE),
      TRUE ~ pmax(lag(BRR, 1), lag(BRR, 2), lag(BRR, 3), na.rm = TRUE)
    )
  ) %>%
  ungroup()

# 查看更新后的BRR列（符合期望输出）
final_df %>% select(ID, EXP_P, BRR, val1, CURR_PR)

代码说明 #

• 首先通过分组标记每个CURR_PR组的首行，然后提取每组的首行BRR值，用lag()获取前一组的对应值；
• 通过right_join将前组首行BRR关联回原数据，替换当前组首行的BRR（仅当当前组不是第一个CURR_PR组时）；
• 最后使用更新后的BRR列，沿用之前的逻辑计算BPP值，确保后续计算基于最新的BRR数据。

内容的提问来源于stack exchange，提问作者Michael