R语言中缺失前置值时的Lag差值计算异常问题

你的核心问题是分组逻辑错误：原代码按col1-col4分组，导致每个col4单独成组——比如D22只有2021年的一行，D7-D9只有2022年的行，lag()在单一行的分组里只能取自身作为默认值，自然差值为0，完全不符合你“跨年份匹配同col4、无匹配则用0”的需求。

正确逻辑应该是：按col1-col3分组，在每个组内将同一col4的不同年份数据对齐，无对应年份的用0填充，再计算差值。

修正后的代码 #

library(dplyr)
library(tidyr)

# 先把col5转换为日期格式，方便提取年份
df <- df %>%
  mutate(col5 = as.Date(col5, format = "%d/%m/%Y"),
         year = format(col5, "%Y"))

# 核心流程：宽表对齐年份→计算差值→转回长表
result <- df %>%
  group_by(col1, col2, col3, col4) %>%
  # 拆分年份为列，缺失年份用0填充
  pivot_wider(names_from = year, values_from = col6, values_fill = 0) %>%
  # 计算差值：单年份则自身减0，多年份则后一年减前一年
  mutate(
    year_cols = sort(names(.)[grepl("^20\\d{2}", names(.))]),
    diff = case_when(
      length(year_cols) == 1 ~ !!sym(year_cols) - 0,
      TRUE ~ !!sym(last(year_cols)) - !!sym(first(year_cols))
    )
  ) %>%
  # 转回长表，恢复原数据结构
  pivot_longer(cols = starts_with("20"), names_to = "year", values_to = "col6") %>%
  mutate(col5 = as.Date(paste0("01/01/", year), format = "%d/%m/%Y")) %>%
  select(col1, col2, col3, col4, col5, col6, diff) %>%
  arrange(col5, col1, col2, col3, col4)

# 查看最终结果
print(result)

代码说明 #

1. 日期转换：将字符型的col5转为日期格式，提取年份用于后续宽表拆分
2. 宽表对齐：用pivot_wider把同一col4的不同年份col6放到同一行，缺失年份用values_fill=0填充，直接实现“无前置值视为0”的需求
3. 差值计算：判断每个col4的年份数量，单年份直接用自身减0，多年份取后一年数值减前一年数值
4. 长表恢复：转回原数据的长表结构，对齐列顺序与排序

结果验证 #

运行后diff列完全符合预期：

• 2021年的D22：仅存在2021年数据，差值为30-0=30
• 2022年的D7-D9：仅存在2022年数据，差值为60-0=60
• 跨两年的行（如D1）：100-10=90，与预期一致

内容的提问来源于stack exchange，提问作者R Ban