在R中实现类似SAS RETAIN的分组累计最大值计算

先明确你的需求：给定以下数据，按id分组生成max_score列——组内第一行的max_score等于当前行的score，后续每行取当前行score与上一行max_score的最大值，这和SAS中用RETAIN语句实现的逻辑完全一致。

df <- data.frame(id = c('a','a','a','a','a','a','b','b','b','b'),
                 score = c(9,5,1,8,4,2,1,9,8,3))

你尝试的代码存在几个问题：

• 条件判断语法错误：first=1是赋值操作，应该用first==1做相等判断
• 跨组计算问题：分组后执行ungroup()，导致lag(max_score)会跨id组取值，不符合分组计算要求
• 向量运算限制：dplyr::mutate是向量级批量运算，无法直接实现逐行迭代的累积计算，max(score, lag(max_score))无法生成正确的累积最大值

下面提供几种可行的实现方法：

方法1：dplyr + purrr（推荐） #

利用purrr的accumulate函数在分组内逐行累积取最大值，逻辑最贴合需求：

library(dplyr)
library(purrr)

df_result <- df %>%
  group_by(id) %>%
  mutate(max_score = accumulate(score, ~max(.x, .y))) %>%
  ungroup()

# 查看结果
df_result

accumulate会依次遍历score列，每次将前一次的计算结果（.x）和当前行的score（.y）取最大值，完美匹配你要的规则。

方法2：data.table #

如果习惯使用data.table，可以用以下简洁写法：

library(data.table)
setDT(df)

df[, max_score := Reduce(function(x, y) max(x, y), score, accumulate = TRUE), by = id]

通过Reduce的accumulate=TRUE参数，配合by=id实现分组内的累积最大值计算。

方法3：Base R原生实现 #

不想依赖第三方包的话，用循环也能实现：

df$max_score <- NA
# 遍历每个id分组
for (current_id in unique(df$id)) {
  # 定位当前组的行和分数
  group_idx <- df$id == current_id
  group_scores <- df$score[group_idx]
  # 初始化累积最大值向量
  max_vec <- numeric(length(group_scores))
  max_vec[1] <- group_scores[1]
  # 逐行计算累积最大值
  for (i in 2:length(group_scores)) {
    max_vec[i] <- max(max_vec[i-1], group_scores[i])
  }
  df$max_score[group_idx] <- max_vec
}

这种方法逻辑直观，但数据量较大时效率不如前两种方法。

最终得到的结果如下：

id score max_score
1   a     9         9
2   a     5         9
3   a     1         9
4   a     8         9
5   a     4         9
6   a     2         9
7   b     1         1
8   b     9         9
9   b     8         9
10  b     3         9

内容的提问来源于stack exchange，提问作者Prathamesh Pathak