R语言按基金类别分组计算各日期数值滚动增长率

核心计算规则 #

• 按基金（Fund）维度拆分数据，同一基金内按日期从早到晚排序
• 增长率计算公式：(当期数值 - 上一日期数值) / 上一日期数值 * 100%
• 每个基金最早的记录日期没有上期基准值，无法计算增长率，因此示例中仅2022-01-02的记录可生成增长率结果
• 题目给出的预期结果仅展示了A基金的计算行，B、C基金同期增长率按规则可算出分别为50%、30%

构造示例数据 #

Date <- c("2022-01-01","2022-01-01","2022-01-01","2022-01-02","2022-01-02","2022-01-02")
Fund <-c("A","B","C","C","A","B")
Values <- c(10,10,10,13,17,15)
df <- data.frame(Date, Fund, Values)

实现方法 #

方法1：dplyr包实现（代码简洁易读，推荐） #

library(dplyr)

result <- df %>%
  mutate(Date = as.Date(Date)) %>%
  # 按基金分组，组内按日期升序排列
  group_by(Fund) %>%
  arrange(Date, .by_group = TRUE) %>%
  # 取同组上一行的数值计算增长率，格式化为百分比
  mutate(`Increase %` = scales::percent((Values - lag(Values))/lag(Values), accuracy = 1)) %>%
  # 去掉无增长率的基期行，和示例输出逻辑对齐
  filter(!is.na(`Increase %`)) %>%
  # 调整列名、列顺序匹配预期格式
  select(Date, Fund, Value = Values, `Increase %`)

运行代码后输出结果如下：

如果需要保留所有日期的完整数据，删除filter(!is.na(Increase %))行即可，基期记录的增长率列会显示为空值。

方法2：基础R实现（无需安装第三方包） #

# 转换日期格式
df$Date <- as.Date(df$Date)
# 分组取每个基金上一期的数值
lag_val <- ave(df$Values, df$Fund, FUN = function(x) c(NA, head(x, -1)))
# 计算增长率并格式化为百分比
df$`Increase %` <- ifelse(
  is.na(lag_val), 
  NA, 
  paste0(round((df$Values - lag_val)/lag_val*100, 0), "%")
)
# 过滤空值、调整列名得到最终结果
result_base <- df[!is.na(df$`Increase %`), c("Date", "Fund", "Values", "Increase %")]
colnames(result_base)[3] <- "Value"

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