R语言如何在长格式数据中按id分组匹配每行的下一次行动日期

针对你的超大规模数据集需求，以下两种方案均不需要做长表/宽表互转，仅通过分组向量偏移实现，内存占用低、执行效率高：

方案1：data.table实现（优先推荐，适配千万级以上数据集） #

data.table采用引用修改机制，不需要全量复制数据，处理8500万行数据的内存开销和速度表现远优于其他方案：

library(data.table)
# 将数据框转换为data.table格式，无全量拷贝开销
setDT(df)

# 可选步骤：如果你的数据没有提前按id、move升序排序，先执行排序保证次序正确
setorder(df, id, move)

# 按id分组，取date列的下一个偏移值，分组最后一行自动返回NA，完全匹配你的需求
df[, `next` := shift(date, type = "lead"), by = id]

注意：next是R的保留关键字，直接用作列名需要加反引号包裹，建议替换为next_date之类的自定义名称避免语法冲突。

方案2：tidyverse（dplyr）实现 #

如果你更习惯tidyverse语法，也可以用dplyr的lead函数实现：

library(dplyr)
df <- df %>%
  group_by(id) %>%
  # 按组内move排序，保证次序正确
  arrange(move, .by_group = TRUE) %>%
  # 取同组下一行的date值
  mutate(`next` = lead(date)) %>%
  ungroup()

两种方案的输出结果和你给出的期望结果完全一致，不需要额外的表关联或格式转换操作。

内容的提问来源于stack exchange，提问作者tchoup