如何使dplyr::lag()在分组数据无滞后值时保留原值？

你遇到的问题很常见——用lag()函数时组内第一条记录会变成NA，但你希望保留它的原始值。这里有两种简单的方法可以实现你的需求：

方法一：使用coalesce()函数 #

coalesce()的作用是返回第一个非NA的值，刚好能完美解决第一条记录的NA问题。代码如下：

library(dplyr)

# 你的原始数据
ds <- structure(list(mpg = c(10.4, 10.4, 15.2, 15.2, 19.2, 19.2, 21, 21), hp = c(205, 215, 180, 150, 123, 175, 110, 110)), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, -8L), .Names = c("mpg", "hp"))

# 更新hp字段
ds_updated <- ds %>%
  group_by(mpg) %>%
  mutate(hp = coalesce(lag(hp), hp)) %>%
  ungroup()

# 查看结果
print(ds_updated)

运行后你会得到预期的结果：

# A tibble: 8 × 2
    mpg    hp
  <dbl> <dbl>
1  10.4   205
2  10.4   205
3  15.2   180
4  15.2   180
5  19.2   123
6  19.2   123
7  21     110
8  21     110

方法二：用row_number()判断组内首行 #

如果你更倾向于明确判断组内的第一条记录，可以用row_number()来标记行号，然后针对性保留原始值：

ds_updated <- ds %>%
  group_by(mpg) %>%
  mutate(hp = if_else(row_number() == 1, hp, lag(hp))) %>%
  ungroup()

这个方法的逻辑很直观：当行号是1（组内第一条）时，保留原始hp；否则使用前一条记录的hp值。

两种方法都能达到你的需求，你可以根据自己的习惯选择~

内容的提问来源于stack exchange，提问作者Joe