R语言如何为数据框创建滞后一个整组的lag变量

需求为对data.frame实现按完整分组偏移的lag计算：滞后一个完整分组取值，即前一个分组的固定Value值作为后一个分组所有行的Lag列取值，首个分组Lag值为NA。已知前提为同一分组内的所有Value取值完全相同。

示例数据 #

原始测试数据构造 #

Letter = c('A', 'A', 'A', 'B', 'C', 'C', 'D')
Value = c(11, 11, 11, 4, 8, 8, 10)
df <- data.frame(Letter, Value)
df

原始数据输出：

Letter Value
1      A    11
2      A    11
3      A    11
4      B     4
5      C     8
6      C     8
7      D    10

期望输出结果 #

添加Lag列后需要得到的结果如下：

Letter Value Lag
1      A    11  NA
2      A    11  NA
3      A    11  NA
4      B     4  11
5      C     8   4
6      C     8   4
7      D    10   8

实现方案 #

提供两种常用实现方式，可根据自己的使用习惯选择：

• base R原生方案：无需安装加载第三方包，逻辑直白
• dplyr方案：适配tidyverse数据处理流程，可读性强

base R实现代码 #

# 按分组出现顺序提取每个分组的唯一标识和对应Value
group_map <- unique(df[, c("Letter", "Value")])
# 对分组Value做1位滞后
group_map$Lag <- c(NA, head(group_map$Value, -1))
# 将滞后值匹配回原数据框
df <- merge(df, group_map[, c("Letter", "Lag")], by = "Letter", sort = FALSE)

dplyr实现代码 #

library(dplyr)

df <- df %>%
  group_by(Letter) %>%
  # 同组Value完全一致，取组内第一个值作为分组代表值即可
  mutate(group_rep = first(Value)) %>%
  ungroup() %>%
  # 按分组出现顺序取前一个分组的代表值作为当前组Lag
  mutate(Lag = group_rep[match(Letter, unique(Letter)) - 1]) %>%
  select(-group_rep)

提示：如果实际数据中同一分组存在多个不同Value值，需要先明确分组的代表取值规则，再套用上述逻辑。

内容的提问来源于stack exchange，提问作者j181837