如何在分组时间序列中创建多个不跨组的滞后变量？

首先修正你提供的数据框构造代码（原代码中var的长度和前两列不匹配，这里调整为12行数据，同时设置种子保证结果可复现）：

set.seed(123)
df <- data.frame(
  doy = rep(1:2, each = 6),
  years = rep(2017:2022, 2),
  var = rnorm(12)
)

要实现按doy分组独立生成多个滞后变量，核心是保证滞后计算严格限制在分组内部，不会跨组引用数据，下面提供两种常用方案：

方案一：使用dplyr（tidyverse生态） #

library(dplyr)

df_lagged <- df %>%
  # 先按分组和年份排序，确保滞后顺序正确
  arrange(doy, years) %>%
  # 按doy分组，后续操作仅在分组内执行
  group_by(doy) %>%
  # 批量生成3个滞后变量
  mutate(
    lvar1 = lag(var, n = 1),
    lvar2 = lag(var, n = 2),
    lvar3 = lag(var, n = 3)
  ) %>%
  # 取消分组（可选，避免后续操作受分组影响）
  ungroup()

代码说明 #

• arrange(doy, years)：确保每个分组内的数据按年份升序排列，保证滞后计算的逻辑顺序正确
• group_by(doy)：这是关键，所有后续的mutate操作都会被限制在每个doy分组内部，完全不会引用其他分组的数据
• lag(var, n = x)：取当前行之前第x行的var值，分组内前x行没有历史数据时会返回NA

方案二：使用data.table（适合大数据场景） #

如果你的数据量很大，data.table的效率会更高：

library(data.table)

# 转换为data.table格式
setDT(df)
# 按分组和年份排序
setorder(df, doy, years)

# 按doy分组，直接在原表添加滞后变量
df[, c("lvar1", "lvar2", "lvar3") := .(lag(var, 1), lag(var, 2), lag(var, 3)), by = doy]

验证结果 #

你可以查看分组2的2017年数据，对应的lvar1/lvar2/lvar3都是NA，完全不会引用分组1的2022年数据，比如执行：

df_lagged %>% filter(doy == 2) %>% head(3)

内容的提问来源于stack exchange，提问作者user19536418