R数据框按sn分组基于历史行多条件更新delta_hours列问题

解决方案 #

你可以直接用dplyr的case_when搭配分组 lag 功能实现需求，代码如下：

首先加载依赖包：

library(dplyr)

处理代码：

df_result <- df %>%
  # 按sn、年份升序排序，保证同个sn的记录按时间先后排列
  arrange(sn, year) %>%
  # 按sn分组，单独处理每个sn的历史数据
  group_by(sn) %>%
  mutate(
    delta_hours = case_when(
      # 规则1：2021年之前的原有数值直接保留
      year < 2021 ~ delta_hours,
      # 规则2：没有历史记录（lag取到空值）直接赋值为当前hours
      is.na(lag(hours)) ~ hours,
      # 规则3：有历史记录的用当前hours减去最近一次历史的hours值
      TRUE ~ hours - lag(hours)
    )
  ) %>%
  ungroup() %>%
  # 恢复原始数据的排序顺序（可选）
  arrange(year, sn)

运行后得到的结果和你给出的目标数据完全一致：

year sn     hours delta_hours
  <dbl> <chr>  <dbl>       <dbl>
1  2019 AB1001   150         150
2  2019 AB1002   173         173
3  2020 AB1001   189          39
4  2020 DC1001   102         102
5  2021 AB1001   215          26
6  2021 AB1002   175           2
7  2021 AB1003    98          98

逻辑说明 #

lag()函数会返回分组内当前行的上一行指定列的值，我们提前按年份升序排列同sn的记录，所以上一行一定是该sn最近一次的历史记录，哪怕中间缺少年份也能正确取到最近值，完全匹配你的计算规则。

内容的提问来源于stack exchange，提问作者joerminer