多列中的首次滞后计算：跨列获取因子变量的首次滞后值

我帮你整理了一套用data.table处理的方案，核心思路是先把分散在两列的因子整合到同一维度，这样就能统一追踪每个因子的历史记录，具体步骤如下：

第一步：将宽表转成窄格式 #

首先把item1/item2和对应的value1/value2合并成两列（item和value），同时保留原表的行号和iteration，让每个因子的所有出现记录都集中在一起：

# 加载依赖并生成示例数据（你已提供，这里完整复现）
require(data.table)
set.seed(21)
dt <- data.table(item1 = c(rep(sample(letters[1:5]), 2), sample(letters[6:10])),
                 item2 = c(rep(sample(letters[6:10]), 2), sample(letters[1:5])),
                 value1 = rnorm(15, 5, 2),
                 value2 = rnorm(15, 5, 2),
                 iteration = rep(1:3, each = 5))

# 转成窄格式，保留原行号用于后续匹配回原表
long_dt <- rbind(
  dt[, .(row_id = .I, item = item1, value = value1, iteration = iteration)],
  dt[, .(row_id = .I, item = item2, value = value2, iteration = iteration)]
)

第二步：按因子分组计算滞后值 #

现在每个因子的所有出现都在同一分组里了，我们用data.table的shift函数计算每个因子前一次出现的value和iteration（也就是你要的首次滞后值）：

# 按item分组，按原行号排序（保证时间顺序），计算滞后1步的值
long_dt[, `:=`(
  lag_value = shift(value, n = 1, type = "lag"),
  lag_iteration = shift(iteration, n = 1, type = "lag")
), by = item]

这里shift(..., type="lag")会取每个组内当前行的前一行数据，首次出现的因子对应的滞后值会是NA，这符合逻辑——毕竟没有历史记录可以追溯。

第三步：把滞后值匹配回原表 #

最后把计算好的滞后值对应到原表的item1和item2列上，这样原表就有了每个位置因子的首次滞后值：

# 匹配item1的滞后值到原表
dt[long_dt[item == item1], on = .(row_id), `:=`(lag_value_item1 = i.lag_value, lag_iter_item1 = i.lag_iteration)]

# 匹配item2的滞后值到原表
dt[long_dt[item == item2], on = .(row_id), `:=`(lag_value_item2 = i.lag_value, lag_iter_item2 = i.lag_iteration)]

你可以查看最终的dt结果，比如第6行的item1是d，它的lag_value_item1就是第1行里d对应的value1，完美实现了不管因子出现在哪一列，都能追踪到它上一次出现的记录。

内容的提问来源于stack exchange，提问作者Tomas Ericsson