在R中如何计算后续分组相对初始分组匹配ID的数值变化

这个方案完全避免了原有方法依赖行顺序匹配的风险，无论数据排序是否混乱、是否存在缺失/重复记录，都只会在同一个ID内做差值计算，找不到对应基准事件记录时自动返回NA：

library(dplyr)
df <- df %>%
  # 按ID分组，确保所有计算仅在同ID范围内执行
  group_by(id) %>%
  mutate(
    # 提取当前ID对应A事件的height，取第一个值避免重复A事件的影响，无匹配则返回NA
    base_a_height = height[event == "A"][1],
    growth = height - base_a_height
  ) %>%
  ungroup() %>%
  select(-base_a_height) # 可选：删除计算用的辅助列

如果需要严格处理ID重复的A事件，可先对基准事件去重后再关联，逻辑更稳妥：

library(dplyr)
# 先生成去重后的基准值表
df_a <- df %>%
  filter(event == "A") %>%
  distinct(id, .keep_all = TRUE) %>%
  select(id, base_height = height)

# 左关联到原表计算差值，关联不上的返回NA
df <- df %>%
  left_join(df_a, by = "id") %>%
  mutate(growth = height - base_height) %>%
  select(-base_height)

可以通过以下代码快速排查数据中的重复、缺失问题：

library(dplyr)
# 统计每个ID下各事件的记录数
df_check <- df %>%
  group_by(id, event) %>%
  summarise(record_cnt = n(), .groups = "drop") %>%
  tidyr::pivot_wider(names_from = event, values_from = record_cnt, values_fill = 0)

# 1. 输出存在重复事件的ID
cat("存在重复事件的ID：\n")
df_check %>% filter(if_any(everything(), ~.x > 1)) %>% pull(id) %>% print()
# 2. 输出缺少基准事件A的ID
cat("缺少基准事件A的ID：\n")
df_check %>% filter(A == 0) %>% pull(id) %>% print()
# 3. 输出缺少B/C/D事件的ID
cat("缺少B/C/D事件的ID：\n")
df_check %>% filter(B == 0 | C == 0 | D == 0) %>% pull(id) %>% print()

循环也可以实现严格按ID匹配的计算，但数据量较大时效率远低于向量化方案：

# 生成ID与A事件height的映射命名向量
base_map <- with(df[df$event == "A", ], setNames(height, id))
df$growth <- NA_real_

# 逐行计算
for (i in seq_len(nrow(df))) {
  current_id <- as.character(df$id[i])
  if (current_id %in% names(base_map)) {
    df$growth[i] <- df$height[i] - base_map[current_id]
  }
}

原有方法的核心风险是依赖df_a和分组后数据的ID顺序完全一致，只要出现ID缺失、排序变化、重复的情况就会出现匹配错误，上述所有方案都规避了这个问题。

内容的提问来源于stack exchange，提问作者pabstack