R语言含NA值时的group_by优化：计算基准值与变化率

先给出原始数据：

df <- data.frame(
  id = c(1, 1, 1, 1, 2, 2, 2, 2, 3, 3),
  result = c(NA, 33, 13, 44, 23, 44, 52, 11, NA, NA),
  flag = c("", "", "Y", "", "Y", "", "", "", "", ""),
  col_1 = c("a", "b", "c", "d" , "e" , "f" , "g" , "h", "i", "j")
)

方案一：使用dplyr（tidyverse） #

利用group_by()分组后，直接提取每组中flag == "Y"对应的result作为基准值，再计算百分比变化（假设每个id最多对应一个flag="Y"的行）：

library(dplyr)

df_processed <- df %>%
  group_by(id) %>%
  mutate(
    base_value = result[flag == "Y"][1],
    percentage_change = ifelse(!is.na(result) & !is.na(base_value), 
                              (result - base_value)/base_value * 100, 
                              NA)
  ) %>%
  ungroup()

print(df_processed)

说明：

• result[flag == "Y"][1]：若组内无flag="Y"的行（如id=3），会返回NA；若有多行也只会取第一个，适配多数场景。
• 百分比计算时增加NA判断，避免无效值引发的计算错误。

方案二：使用data.table（大数据场景优先） #

如果处理大规模数据集，data.table的语法更高效简洁：

library(data.table)

setDT(df)
df_processed <- df[, 
                   `:=`(
                     base_value = result[flag == "Y"][1],
                     percentage_change = fcase(
                       !is.na(result) & !is.na(result[flag == "Y"][1]),
                       (result - result[flag == "Y"][1])/result[flag == "Y"][1] * 100,
                       default = NA_real_
                     )
                   ), 
                   by = id]

print(df_processed)

处理后结果示例 #

# A tibble: 10 × 6
      id result flag  col_1 base_value percentage_change
   <dbl>  <dbl> <chr> <chr>      <dbl>              <dbl>
 1     1     NA ""    a             13                 NA
 2     1     33 ""    b             13               153.
 3     1     13 "Y"   c             13                 0
 4     1     44 ""    d             13               238.
 5     2     23 "Y"   e             23                 0
 6     2     44 ""    f             23                91.3
 7     2     52 ""    g             23               126.
 8     2     11 ""    h             23               -52.2
 9     3     NA ""    i             NA                 NA
10     3     NA ""    j             NA                 NA

内容的提问来源于stack exchange，提问作者Joe the Second