如何在R的dplyr中对同一列执行lag操作？代码问题求解

尝试在R的dplyr中使用mutate对同一列执行lag操作，但运行代码后未得到预期结果，以下是详细信息：

错误运行结果 #

> dataFill
# A tibble: 6 x 4
  Name   Code nameCnt nameCntMult
  <chr> <dbl>   <int>       <dbl>
1 R         0       1           1
2 R         0       2           2
3 T         0       1           1
4 R         0       3           3
5 N         1       1          NA
6 N         1       2           2

期望结果 #

可复现代码 #

library(dplyr)

data <- 
  data.frame(
    Name = c("R","R","T","R","N","N"),
    Code = c(0,0,0,0,1,1)
  )

dataFill <- data %>%
  group_by(Name, Code) %>%
    mutate(nameCnt = row_number()) %>%
    mutate(nameCntMult = nameCnt * 2) %>%
    mutate(nameCntMult = ifelse(Code == 0, nameCnt, lag(nameCntMult))) %>%
  ungroup()

dataFill

问题原因 #

你的代码中使用group_by(Name, Code)分组后，lag(nameCntMult)是在分组内部执行的。对于Name="N", Code=1这个独立分组，第一行没有前一行数据所以返回NA；第二行的lag只能取到同一分组内第一行的NA，最终得到错误结果。而你实际需要的是全局范围内的lag，即取整个数据框中前一行的nameCntMult值，而非分组内的前一行。

解决方案 #

先完成nameCnt的分组计算，取消分组后再处理nameCntMult的填充逻辑，用tidyr::fill函数向下填充NA值更简洁高效：

library(dplyr)
library(tidyr)

data <- 
  data.frame(
    Name = c("R","R","T","R","N","N"),
    Code = c(0,0,0,0,1,1)
  )

dataFill <- data %>%
  group_by(Name, Code) %>%
  mutate(nameCnt = row_number()) %>%
  ungroup() %>%
  # 先给Code=0的行赋值，Code=1的行设为NA
  mutate(nameCntMult = ifelse(Code == 0, nameCnt, NA)) %>%
  # 向下填充NA值，继承前一个非NA的nameCntMult
  fill(nameCntMult, .direction = "down")

dataFill

运行后得到的结果与期望一致：

# A tibble: 6 × 4
  Name   Code nameCnt nameCntMult
  <chr> <dbl>   <int>       <int>
1 R         0       1           1
2 R         0       2           2
3 T         0       1           1
4 R         0       3           3
5 N         1       1           3
6 N         1       2           3

内容的提问来源于stack exchange，提问作者Village.Idyot