R语言使用dplyr包lag函数时如何忽略NA取最近非缺失值

原生dplyr::lag()没有内置na.rm参数实现跳过NA向前查找最近非缺失值的逻辑，不需要修改lag函数本身，只要先对需要lag的列做向前末次非NA值填充，再正常调用lag计算即可。

错误场景复现 #

先构造测试数据，复现错误计算结果：

library(dplyr)

df <- tibble(
  Value1 = c(NA, 13, 6, 6, 5),
  Value2 = c(2, 3, NA, 4, 4)
)

# 直接调用lag得到错误结果
df %>% 
  mutate(NewValue_wrong = Value1 - lag(Value2))

运行输出和给出的错误示例完全一致：

• 第四行NewValue返回NA，原因是lag直接取了第三行Value2的NA值参与计算，没有继续向上查找非NA值。

正确实现方案 #

用tidyr包的fill()函数即可快速完成向前非NA值填充，.direction = "down"参数代表从上到下（向前）用最近的非NA值填充缺失位置，填充后再做lag差运算就能得到正确结果：

library(tidyr)

df %>%
  # 对Value2做向前非NA填充
  fill(Value2, .direction = "down") %>%
  # 正常lag计算
  mutate(NewValue_correct = Value1 - lag(Value2))

运行结果完全匹配期望输出：

如果需要保留原列中Value2的NA值不被修改，可以先复制一列做填充计算，算完删除临时列即可：

df %>%
  mutate(temp_fill = Value2) %>%
  fill(temp_fill, .direction = "down") %>%
  mutate(NewValue_correct = Value1 - lag(temp_fill)) %>%
  select(-temp_fill)

不想额外加载tidyr的话，也可以用base R实现向前填充逻辑，核心是利用cumsum和分组索引匹配最近非NA值，再做lag计算即可，效果完全一致。

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