Base R为数据框新增带NA处理的分组5期移动和指标列

实现逻辑说明 #

• 先为原始数据标记原始行号，计算完成后可还原任意乱序的原始数据排列
• 自动按Country字段分组，组内按date字段升序排列，保证时序正确性
• 逐行匹配当前行日期之前的历史观测，自动过滤Value1为NA的无效记录，追溯最近的5个有效Value1值求和
• 凑够5个有效观测时，按规则(5个有效Value1之和 / 当前行Value2) * 100计算指标，不足5个有效观测时指标返回NA
• 全程仅使用R基础包函数，无第三方依赖

完整实现代码 #

# 示例测试数据生成
set.seed(1)
Country <- c(rep("USA", 10),rep("UK", 10), rep("China", 10))
Value1 <- sample(x = c(120, 340, 423), size = 30, replace = TRUE)
Value2 <- sample(x = c(1,3,5,6,9), size = 30, replace = TRUE)
date <- seq(as.POSIXct('2020/01/01'),  
            as.POSIXct('2020/01/30'),
            by = "1 day")
df = data.frame(Country, Value1, Value2, date)

# 核心计算逻辑
# 标记原始行号，用于最后还原原始数据顺序
df$raw_row_id <- seq_len(nrow(df))

# 按国家、日期升序排序，保证分组时序正确
sorted_df <- df[order(df$Country, df$date), ]

# 按国家拆分数据为分组列表
country_groups <- split(sorted_df, sorted_df$Country)

# 定义单国家分组的指标计算函数
calc_group_indicator <- function(group_data) {
  # 初始化指标列，默认值为NA
  group_data$indicator <- NA_real_
  group_n <- nrow(group_data)
  
  # 逐行计算指标
  for (row_idx in seq_len(group_n)) {
    # 筛选当前行日期之前的所有历史观测
    history_obs <- group_data[group_data$date < group_data$date[row_idx], ]
    # 过滤掉Value1为NA的无效观测，提取有效Value1序列
    valid_value1 <- history_obs$Value1[!is.na(history_obs$Value1)]
    
    # 有效观测数≥5时才计算指标
    if (length(valid_value1) >= 5) {
      # 取最近的5个有效观测求和
      last5_sum <- sum(tail(valid_value1, 5))
      # 按公式计算，当前行Value2为NA时自动返回NA
      group_data$indicator[row_idx] <- (last5_sum / group_data$Value2[row_idx]) * 100
    }
  }
  return(group_data)
}

# 对所有国家分组批量计算
calculated_list <- lapply(country_groups, calc_group_indicator)
# 合并所有分组计算结果
calculated_all <- do.call(rbind, calculated_list)
# 按原始行号排序，还原原始数据的行顺序
final_df <- calculated_all[order(calculated_all$raw_row_id), ]
# 移除临时使用的原始行号字段
final_df$raw_row_id <- NULL

# 查看计算结果
head(final_df, 10)

逻辑验证说明 #

可手动插入NA值测试跳过逻辑，例如在示例数据中执行df$Value1[c(4, 15, 27)] <- NA后重新运行计算代码，会发现计算时自动跳过这些NA行，向前补足5个有效Value1再计算，完全匹配规则要求。如果需要调整有效观测窗口期长度、增加当前行值有效性判断，直接修改对应判断逻辑和tail取数参数即可。

内容的提问来源于stack exchange，提问作者Geek_Nerdy93