R中用tidyverse为商品同周价格匹配上年同期值

这个需求的核心是严格匹配维度：同一GoodID、同一Week下，取当前行Year值减1对应的Price，无匹配项自动填NA，不需要先拆分筛数据，两种可直接复用的实现方式如下：

方法1：自左连接实现（完全匹配规则、无逻辑偏差） #

这是最贴合你需求逻辑的写法，不受数据断档影响——哪怕同组下年份不连续，也只会取“恰好上一年”的价格，不会错配跨年度的旧数据。
实现逻辑是把原表复制为参照表，将参照表的Year值加1后，和主表按GoodID、Week、Year三个维度左连接，匹配不上的最早年份数据会自动填充NA。

# 构造用于匹配上年价格的参照表
ref_table <- df %>%
  select(GoodID, Week, Year, Price) %>%
  # 把参照表的年份+1，让它和主表的“当前观测年份”对齐：
  # 比如参照表里2015年的记录，偏移后Year=2016，就能匹配主表中2016年同GoodID同Week的行
  mutate(Year = Year + 1) %>%
  rename(`Price last year` = Price)

# 主表左连接参照表，自动生成目标列
df <- df %>%
  left_join(ref_table, by = c("GoodID", "Week", "Year"))

方法2：分组lag快速实现（适合同组年份完全连续的场景） #

如果你的数据集保证每个GoodID、每个Week对应的年份是连续无断档的，可以用分组后取滞后值的方式快速实现，代码更简洁。
注意：使用前必须保证同组内的行按Year升序排列，否则lag会错取任意旧值；如果存在年份断档（比如某商品某周缺2016年数据、只有2015和2017年），这种方法会把2015年的价格错配给2017年的行，不符合“恰好上一年”的要求。

df <- df %>%
  # 按匹配维度分组：同商品同周度单独成组
  group_by(GoodID, Week) %>%
  # 组内按年份升序排列，保证取到的是紧邻的上一年数据
  arrange(Year, .by_group = TRUE) %>%
  # 取组内上一行的Price值，作为上一年同期价格
  mutate(`Price last year` = lag(Price, n = 1)) %>%
  ungroup()

常见踩坑提醒 #

• 字段名大小写要和你的数据集完全一致：比如你之前的代码里把周数字段写成小写week，就需要把代码里的Week同步替换为小写week，否则会因为字段不匹配生成全NA的列
• 之前用filter拆分年份的写法存在本质问题：每次filter操作都会把数据集裁剪为单一年份的子集，直接丢失其他年份的观测值，根本无法把计算结果拼回完整原表

内容的提问来源于stack exchange，提问作者Leonard B