嘿，我来帮你理清这个问题！首先直接给结论：你需要用左向滚动窗口（或者说“向后看”的窗口），因为你的需求是计算当前年份之前的n年数据的均值——也就是不包含当前年份，只取过去的n个观测值。

先给你掰扯清楚两种窗口的核心区别，避免搞混：

• 右向窗口：是“向前看”的，窗口会包含当前行和之后的行，这显然不符合你的需求（你要的是过去的年份，总不能用未来的数据来计算吧😉）。
• 左向窗口：是“向后看”的，窗口只包含当前行之前的所有目标行，正好对应你要的“滞后前n年”的范围。

接下来结合你的示例数据，给你几种实用的实现方法，都是R里常用的工具：

示例实现（以n=2为例，计算前2年均值） #

先加载你给出的示例数据：

set.seed(1234)
dat <- data.frame(year = c(1990:2010), x = rnorm(21))

方法1：用zoo包的rollapply（灵活控制窗口范围） #

zoo包的rollapply可以自定义窗口范围，我们直接指定取当前行之前的n行（比如n=2，就用-(1:2)表示取当前行的前1和前2行）：

library(zoo)

# 新增列存储前2年均值
dat$x_lag2_mean <- rollapply(dat$x, 
                             width = list(-(1:2)),  # 明确指定窗口为当前行之前的1-2行
                             FUN = mean,
                             fill = NA)  # 数据不足的位置填充NA

运行后你会看到，1990和1991年因为没有足够的前2年数据，会显示NA；1992年的值就是1990和1991年x的均值，完全符合预期。

方法2：用dplyr+slider（tidyverse风格，语法更直观） #

如果你习惯用tidyverse的语法，slider包专门处理滚动窗口操作，可读性拉满：

library(dplyr)
library(slider)

dat <- dat %>%
  mutate(x_lag2_mean = slide_dbl(x, 
                                 ~mean(.x), 
                                 .before = 2,  # 取当前行之前的2个观测值（不包含当前）
                                 .complete = TRUE))  # 只有窗口完整时才计算，否则返回NA

这里.before=2精准定义了窗口范围：当前行之前的2个数据；.complete=TRUE确保只有当窗口里凑齐2个数据时才计算均值，否则返回NA，完美匹配我们的需求。

为什么不用简单的lag+均值？ #

你示例里用的lag(dat$x,1)只能取单个滞后值，但要计算均值需要滚动窗口——因为你需要连续的n个滞后值的平均，而不是单个滞后值。滚动窗口工具能自动帮你处理窗口的滑动和缺失值填充，比手动循环高效多了。

验证结果是否正确 #

我们可以手动计算验证一下，比如看1992年的结果：

# 手动计算1990和1991年x的均值
manual_mean <- mean(dat$x[dat$year %in% c(1990,1991)])
# 和我们计算的x_lag2_mean对比
dat$x_lag2_mean[dat$year == 1992]

运行后会发现两者数值完全一致，说明我们的窗口选择和实现都是正确的！

内容的提问来源于stack exchange，提问作者Vedda