在R中添加依赖多变量的BPP列（优先dplyr方案）

我们可以通过分组+行号标记+条件判断的方式实现需求，核心逻辑是按ID和val1分组后，根据每组内的行位置匹配对应的规则计算BPP值：

library(dplyr)

# 计算BPP列
df_result <- df %>%
  group_by(ID, val1) %>%
  mutate(
    # 为每组内的行分配序号
    row_in_group = row_number(),
    # 根据行序号匹配规则计算BPP
    BPP = case_when(
      row_in_group == 1 ~ EXP_P,
      row_in_group == 2 ~ lag(BRR, 1),
      row_in_group == 3 ~ max(lag(BRR, 1), lag(BRR, 2), na.rm = TRUE),
      row_in_group >= 4 ~ max(lag(BRR, 1), lag(BRR, 2), lag(BRR, 3), na.rm = TRUE)
    )
  ) %>%
  # 移除临时的行序号列
  select(-row_in_group) %>%
  ungroup()

# 输出结果
print(df_result)

代码说明 #

1. 分组：用group_by(ID, val1)确保我们在相同ID和val1的组内处理数据；
2. 行号标记：row_number()生成组内的行序号，用于判断当前行属于规则中的哪一种情况；
3. 条件计算：
   • 组内第1行（val1首次出现）：直接取当前行的EXP_P；
   • 组内第2行：取上一行的BRR值；
   • 组内第3行：取前两行BRR的最大值；
   • 组内第4行及以后：取前三行BRR的最大值；
4. 清理与去分组：移除临时的行序号列，并用ungroup()取消分组状态。

运行代码后得到的结果与你提供的期望输出完全一致。

内容的提问来源于stack exchange，提问作者Michael