如何在R中基于后续行值跨列校验条件并生成新列？

原始数据与需求 #

首先，用户创建的tibble数据框代码如下：

library(tidyverse)
df = tibble(Date = seq(as.Date("2022/1/1"), by = "day", length.out = 5),
            y = c(-0.0169518377693283,-0.0272755133312903,0.166639806607574,0.0786074354127284,-0.0689321729520651),
            a = rep(-0.1377444258,5),
            b = rep(0.137742579))
options(pillar.sigfig=7)

数据框展示：

# A tibble: 5 x 4
  Date                 y          a         b
  <date>           <dbl>      <dbl>     <dbl>
1 2022-01-01 -0.01695184 -0.1377444 0.1377426
2 2022-01-02 -0.02727551 -0.1377444 0.1377426
3 2022-01-03  0.1666398  -0.1377444 0.1377426
4 2022-01-04  0.07860744 -0.1377444 0.1377426
5 2022-01-05 -0.06893217 -0.1377444 0.1377426

需求：添加两列

• checkdown：判断当前行的a值是否小于两天后的y值
• checkup：判断当前行的b值是否大于两天后的y值
  最后两行因无两天后的数据，对应列留空（实际为NA）。

最优实现方法（tidyverse） #

使用dplyr中的lead()函数直接获取后续第2行的y值，结合逻辑判断即可完成，代码简洁高效：

df_result <- df %>%
  mutate(
    checkdown = a < lead(y, n = 2),
    checkup = b > lead(y, n = 2)
  )

# 查看结果
df_result

运行后得到的结果与预期一致：

# A tibble: 5 x 6
  Date                 y          a         b checkdown checkup
  <date>           <dbl>      <dbl>     <dbl> <lgl>     <lgl>  
1 2022-01-01 -0.01695184 -0.1377444 0.1377426 TRUE      FALSE  
2 2022-01-02 -0.02727551 -0.1377444 0.1377426 TRUE      TRUE   
3 2022-01-03  0.1666398  -0.1377444 0.1377426 TRUE      TRUE   
4 2022-01-04  0.07860744 -0.1377444 0.1377426 NA        NA     
5 2022-01-05 -0.06893217 -0.1377444 0.1377426 NA        NA     

rollapply是否适用？ #

rollapply（来自zoo包）确实可以实现该需求，但属于“杀鸡用牛刀”——因为lead()函数已经完美匹配“获取后续n行数据”的场景，代码更简洁直观。

如果一定要用rollapply，示例代码如下：

library(zoo)

df_rollapply <- df %>%
  mutate(
    checkdown = rollapply(y, width = list(c(3)), function(x) a < x, fill = NA, align = "left"),
    checkup = rollapply(y, width = list(c(3)), function(x) b > x, fill = NA, align = "left")
  )

这里通过指定width = list(c(3))和align = "left"，实现取当前行之后第2个位置的y值，最终效果与lead()方法一致，但代码复杂度更高。

内容的提问来源于stack exchange，提问作者Homer Jay Simpson