R语言dplyr实现跳过0值行的分组Lag滞后值计算

原有代码报错原因 #

你之前的代码触发类型错误，核心原因是dplyr::if_else()要求所有分支返回值类型严格一致：你传入的true分支lag(AC_code > 0)返回逻辑型向量，false分支as.character(NA)返回字符型，类型不匹配直接报错。
另外基础lag()函数只能取固定偏移量的前n条记录，无法实现「自动跳过AC_code=0的记录、在28天时间窗口内向前查找最近有效值」的自定义逻辑。

dplyr 实现方案 #

先确保数据按分组和日期排序，再逐行匹配符合规则的历史记录即可，代码和dplyr管道逻辑完全兼容：

library(dplyr)
library(lubridate)

Coyote_presence_2 <- Coyote_presence_2 %>%
  # 按公园分组，组内按日期升序排列，保证时间顺序正确
  group_by(Park) %>%
  arrange(Date, .by_group = TRUE) %>%
  # 逐行计算Last_Treatment
  mutate(Last_Treatment = purrr::map2_chr(
    .x = Date,
    .y = seq_len(n()),
    .f = \(current_date, row_num) {
      # 提取当前行之前的所有历史记录
      prev_data <- cur_data_all()[seq_len(row_num - 1), ]
      # 筛选符合条件的记录：日期差小于28天、AC_code非0
      valid_prev <- prev_data %>%
        filter(
          interval(start = Date, end = current_date) / days(1) < 28,
          AC_code != "0"
        )
      # 无有效记录返回NA，否则取最近一条的AC_code
      if (nrow(valid_prev) == 0) return(NA_character_)
      return(last(valid_prev$AC_code))
    }
  )) %>%
  ungroup()

逻辑说明 #

• 计算前先做分组排序，避免日期顺序错乱导致结果错误，同一日期下的记录如果需要自定义顺序，可以在arrange()里新增排序字段
• 逐行计算时仅调用当前行之前的历史数据，不会泄露未来信息
• 时间差计算用lubridate::interval处理，避免手动换算秒数带来的时区、夏令时误差
• 自动跳过AC_code为0的对照组记录，只保留28天窗口内的非0处理记录，取最后一条即为最近一次有效处理，无符合条件记录则返回NA
• 用提供的测试数据验证，输出结果和给出的期望结构完全一致。

如果数据量较大觉得逐行计算速度慢，可以换用data.table的非等值连接实现，逻辑一致运行速度更快，适合百万行以上的数据集。

内容的提问来源于stack exchange，提问作者Gab_Laj