R语言如何按职业(occ)分组计算不同日期间emp_value的差值并新增列

实现方案 #

你可以按职业分组后，先对日期升序排序，再计算相邻记录的emp_value差值即可，以下是两种常用实现方式：

方法1：tidyverse 方案（代码可读性更高）

library(dplyr)

# 处理数据
obj <- obj %>%
  # 先将日期转为标准年月格式，避免字符串排序出错
  mutate(Date = as.Date(paste0(Date, "-01"))) %>%
  # 按职业分组
  group_by(occ) %>%
  # 每个职业内部按日期升序排列，保证差值计算顺序正确
  arrange(Date, .by_group = TRUE) %>%
  # 计算差值，首条记录默认补0
  mutate(emp_diff = emp_value - lag(emp_value, default = first(emp_value))) %>%
  ungroup()

方法2：base R 方案（无需额外安装包）

# 转日期格式+排序
obj$Date <- as.Date(paste0(obj$Date, "-01"))
obj <- obj[order(obj$occ, obj$Date), ]
# 分组计算差值，首条补0
obj$emp_diff <- ave(obj$emp_value, obj$occ, FUN = function(x) c(0, diff(x)))

注意事项 #

• 两种方案都兼容你提到的「部分职业缺失部分日期」的场景，只会计算同一职业现有记录按日期排序后的相邻差值
• 针对数千条记录、上百个职业的数据集，两种方案的处理效率都足够，没有性能问题
• 不要直接用字符串格式的日期排序，避免出现"2023-12"排在"2024-1"之后的错误

内容的提问来源于stack exchange，提问作者freddywit