如何在R语言中为数据框的各公司循环应用动态公式？

嘿，作为刚接触R的新手，面对这种需要批量计算的需求确实容易头大——不过别担心，咱们一步步来搞定它！你需要的是计算环比增长率，也就是公式(T - T-1)/(T-1)，本质就是当前值与上一期值的变化幅度。下面我会结合两种常见的数据格式（宽格式/长格式），给出适合新手、且能适配任意行列数据的方法。

先明确你的数据格式（先搞清楚自己的数据结构） #

首先咱们先模拟一个贴近你需求的示例数据，方便后续演示：

宽格式数据（每列对应一家公司，每行对应一个时间点） #

这是最常见的表格形式，比如：

set.seed(123) # 固定随机数，让结果可重复
df_wide <- data.frame(
  time = c("Q1", "Q2", "Q3", "Q4"), # 时间列
  Aa = sample(100:200, 4),
  Bb = sample(150:250, 4),
  Cc = sample(80:180, 4),
  Dd = sample(120:220, 4)
)

输出的样子大概是：

time  Aa  Bb  Cc  Dd
1   Q1 140 242 144 173
2   Q2 168 150 104 157
3   Q3 159 231 143 128
4   Q4 129 212 107 209

长格式数据（每行对应一家公司的一个时间点） #

这种格式更适合批量处理，也是tidyverse生态推荐的结构：

# 从宽格式转长格式（如果你的原始数据是宽格式的话）
library(tidyverse)
df_long <- df_wide %>%
  pivot_longer(cols = -time, # 除了time列都转成公司列
               names_to = "company", # 新列名：company
               values_to = "value") # 数值列名：value

输出的样子大概是：

# A tibble: 16 × 3
   time  company value
   <chr> <chr>   <int>
 1 Q1    Aa        140
 2 Q1    Bb        242
 3 Q1    Cc        144
 4 Q1    Dd        173
 ...

方法1：用tidyverse工具（推荐，易读且适配任意数据） #

tidyverse是新手学习R的首选工具集，代码逻辑清晰，不管你有多少家公司、多少个时间点，都能自动适配。

处理长格式数据（最灵活的方式） #

按公司分组后，给每家单独计算增长率：

df_growth <- df_long %>%
  group_by(company) %>% # 按公司分组，让每家独立计算
  mutate(
    prev_value = lag(value), # 获取上一期的数值（第一期会是NA，正常）
    growth_rate = (value - prev_value)/prev_value # 代入你的公式计算增长率
  ) %>%
  ungroup() # 可选：取消分组，回归普通数据框

如果想把增长率转成百分比格式（更直观），可以再加一步：

df_growth <- df_growth %>%
  mutate(growth_rate_percent = paste0(round(growth_rate*100, 2), "%"))

最终输出会包含每家公司每一期的增长率，比如：

# A tibble: 16 × 5
   time  company value prev_value growth_rate growth_rate_percent
   <chr> <chr>   <int>      <int>       <dbl> <chr>              
 1 Q1    Aa        140         NA      NA     NA                 
 2 Q2    Aa        168        140       0.2    20.0%              
 3 Q3    Aa        159        168      -0.0536 -5.36%             
 4 Q4    Aa        129        159      -0.189  -18.87%            
 ...

直接在宽格式数据中新增增长率列 #

如果想保留宽格式，直接给每家公司新增一列增长率：

df_wide_growth <- df_wide %>%
  mutate(
    across(Aa:Dd, # 对所有公司列操作
           ~(. - lag(.))/lag(.), # 核心公式：(当前值-上期值)/上期值
           .names = "{col}_growth") # 新列命名规则：原列名+_growth
  )

这样会生成Aa_growth、Bb_growth等列，直接附在原始数据后面。

方法2：基础R实现（不用额外装包） #

如果你暂时不想用tidyverse，用基础R的循环也能搞定：

# 获取所有公司列的索引（假设第一列是time）
company_col_indices <- 2:ncol(df_wide)

# 循环每一列计算增长率
for(col_idx in company_col_indices) {
  company_name <- colnames(df_wide)[col_idx]
  growth_col_name <- paste0(company_name, "_growth")
  # 计算：差值除以上期值，第一行补NA
  df_wide[[growth_col_name]] <- c(NA, diff(df_wide[[col_idx]])/df_wide[[col_idx]][-nrow(df_wide)])
}

这段代码会遍历所有公司列，自动生成对应的增长率列，效果和tidyverse的宽格式方法一致。

新手小提示 #

• 第一期的增长率会是NA，因为没有上一期数据，这是正常现象；
• 如果需要处理缺失值，可以在计算前用drop_na()或者fill()函数处理；
• 不管你的数据有多少行多少列，上面的方法都能自动适配——新增公司或时间点都不用改代码！

内容的提问来源于stack exchange，提问作者Robin_Hcp