如何在R中按ID分组对上方行累加求和（面板数据处理）

我正在处理面板数据，需要按实体（company_id）在不同时间段汇总信息。作为R新手，我确信这个操作可以轻松实现。我的数据格式如下：

mydata <- structure(list(company_id = c(1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3), A = c(3, 3, 3, 3, 4, 4, 4, 4, 4, 6, 6, 6, 6, 6, 6, 6), B = c(3, 6, 9, 12, 4, 8, 12, 16, 20, 6, 12, 18, 24, 30, 36, 42)), .Names = c("company_id", "A", "B"), row.names = c(NA, -16L), class = c("tbl_df", "tbl", "data.frame"))

数据预览：

# A tibble: 16 x 3
   company_id     A     B
        <dbl> <dbl> <dbl>
 1          1     3     3
 2          1     3     6
 3          1     3     9
 4          1     3    12
 5          2     4     4
 6          2     4     8
 7          2     4    12
 8          2     4    16
 9          2     4    20
10          3     6     6
11          3     6    12
12          3     6    18
13          3     6    24
14          3     6    30
15          3     6    36
16          3     6    42

我希望按company_id分组对列B进行累加求和，请问最高效的实现方式是什么？

高效实现方案 #

作为经常处理面板数据的R用户，我推荐两种简单高效的方法，其中第一种对新手特别友好：

方法一：用dplyr包（直观易读，适合新手） #

dplyr是处理数据分组操作的神器，语法清晰，处理大型数据也很高效。步骤如下：

1. 先安装并加载包（如果还没装的话）：

install.packages("dplyr")
library(dplyr)

2. 分组后生成累加求和列：

mydata_with_cumsum <- mydata %>%
  group_by(company_id) %>% # 按公司ID分组
  mutate(B_cumsum = cumsum(B)) %>% # 对每组的B列累加求和
  ungroup() # 可选：取消分组，让数据回到常规数据框状态

运行后你会得到带累加列的新数据，结果里每个公司的B列会从第一行开始逐步累加，比如company_id=1的行，B_cumsum会是3、9、18、30，完全符合你的需求。

方法二：Base R原生方法（无需额外包） #

如果你不想加载第三方包，用base R的ave()函数也能快速实现：

mydata$B_cumsum <- ave(mydata$B, mydata$company_id, FUN = cumsum)

这个方法一行代码搞定，不需要额外依赖，适合喜欢原生R语法的用户，结果和上面完全一致。

为什么这两种方法高效？ #

• dplyr的分组操作经过底层优化，处理几万甚至几十万行的面板数据都不会卡顿，而且语法直白，新手看一眼就懂。
• ave()是base R专门为分组计算设计的函数，底层实现高效，不需要额外安装包，轻量快捷。

内容的提问来源于stack exchange，提问作者DBE7