按单倍型分组计算数据框中相邻世代均值的百分比变化

看起来你已经走对了大半路——你已经用group_by(hap)实现了按单倍型分组，也知道用lag()来获取前一世代的avg值，现在只差把绝对差值转换成百分比变化的最终公式啦！

问题回顾 #

你需要的百分比变化核心公式是：

((当前世代avg - 前一世代avg) / 前一世代avg) × 100

第一行（每个单倍型的G1）因为没有前序世代，所以百分比变化为0，你设置的default = avg[1]已经完美解决了第一行的默认值问题。

完整解决方案代码 #

library(dplyr)

# 你的原始数据框
gens_avg <- structure(list(hap = c("hap1", "hap1", "hap1", "hap1", "hap2", "hap2", "hap2", "hap2"), 
                           gen = structure(c(1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L), levels = c("G1", "G2", "G3", "G4"), class = "factor"), 
                           sum = c(1924959, 895814, 2344706, 2873530, 2165959, 845385, 2431160, 2189315), 
                           `# of ind` = c(1720L, 860L, 3010L, 4300L, 1720L, 860L, 3010L, 4300L), 
                           avg = c(1119.16220930233, 1041.64418604651, 778.972093023256, 668.262790697674, 1259.27848837209, 983.005813953488, 807.694352159468, 509.143023255814)), 
                      row.names = c(NA, -8L ), class = "data.frame")

# 计算百分比变化
gens_avg <- gens_avg %>%
  group_by(hap) %>%
  mutate(
    `% change` = ((avg - lag(avg, default = avg[1])) / lag(avg, default = avg[1])) * 100
  ) %>%
  ungroup() # 可选：如果后续不需要分组状态，取消分组更方便

# 查看完整结果
print(gens_avg, digits = 10)

结果验证 #

运行后你会得到和你预期完全匹配的数值：

• hap1 G2的% change为≈-6.881143878
• hap1 G3的% change为≈-25.23992322
• hap2 G2的% change为≈-21.92216044
  完全符合你给出的目标输出。

可选优化：控制小数位数 #

如果想让结果更整洁，可以用round()函数指定保留的小数位数，比如保留8位小数：

mutate(
  `% change` = round(((avg - lag(avg, default = avg[1])) / lag(avg, default = avg[1])) * 100, 8)
)

内容来源于stack exchange