R语言如何按国家生成优先取第5年值、无值取近5年最近值的NewVar变量

根据你提供的示例数据的预期输出，对齐计算规则如下：

仅年份为5的整数倍的行需要填充NewVar，其余行保持空值；按国家分组后，对符合年份要求的行，优先取对应年份的Data值，若该值为空则取该国家当前年份之前最近的非空Data值。

方案1：tidyverse实现（仅依赖dplyr） #

library(dplyr)

df2 <- df2 %>%
  group_by(Country) %>%
  arrange(Year) %>%
  mutate(
    # 生成分组标记：每遇到非空Data就新增一个分组
    grp = cumsum(!is.na(Data)),
    # 每个分组内共享最近的非空Data值
    last_valid_Data = Data[!is.na(Data)][grp],
    # 仅给5的倍数年份的行赋值
    NewVar = ifelse(Year %% 5 == 0, last_valid_Data, NA_real_)
  ) %>%
  # 移除临时计算列
  select(-grp, -last_valid_Data) %>%
  ungroup()

逻辑说明 #

• 按国家拆分数据组后按年份升序排列，保证时间顺序正确
• 用cumsum生成分组标记，所有位于两个非空Data值之间的行归属同一个分组，共享前一个非空值
• 仅对年份为5的倍数的行赋值，其余行保留空值，完全匹配你给出的示例结果。

方案2：base R实现（无需安装第三方包） #

# 先按国家、年份升序排序
df2 <- df2[order(df2$Country, df2$Year), ]
# 按国家分组计算每行对应的最近非空Data值
df2$last_valid <- ave(df2$Data, df2$Country, FUN = function(x) {
  non_na_pos <- which(!is.na(x))
  grp <- findInterval(seq_along(x), non_na_pos)
  x[non_na_pos][grp]
})
# 仅给5的倍数年份的行赋值NewVar
df2$NewVar <- ifelse(df2$Year %% 5 == 0, df2$last_valid, NA_real_)
# 删除临时计算列
df2$last_valid <- NULL

内容的提问来源于stack exchange，提问作者Jens