在R中实现逻辑值回溯请求——附结构化销售数据示例

看起来你需要按城市分组，对每个标记为指标=1的行，回溯找到同城市中最近的指标=0的记录对吧？我给你准备了两种常用的实现方案，分别用dplyr（适合轻量数据、代码易读）和data.table（适合大数据、效率更高），先从构造测试数据开始：

第一步：构造示例数据 #

先把你提供的结构化数据转成可直接运行的R数据框（补全了截断的部分）：

library(tibble)
df <- tibble(
  序号 = 1:12,
  日期 = c("2017/1/1", "2017/1/31", "2017/3/2", "2017/4/1", "2017/5/1", "2017/5/31",
           "2017/6/30", "2017/1/1", "2017/1/31", "2017/3/2", "2017/4/1", "2017/5/1"),
  城市 = rep(c("纽约", "巴黎"), each=7, length.out=12),
  销售额 = c(2795, 4248, 1330, 3535, 4330, 3360, 2238, 1451, 2339, 2029, 1850, 2800),
  差值 = c(0, 1453, -2918, 2205, 795, -970, -1122, 0, 888, -310, -179, 950),
  指标 = c(0,0,1,0,0,1,1,0,0,1,1,0)
)

方案一：用dplyr实现（易读性优先） #

核心思路是按城市分组后，将每个指标=0的序号向下填充，覆盖后续的指标=1行，这样就能快速关联到最近的0的记录：

library(dplyr)

result_df <- df %>%
  # 按城市分组处理
  group_by(城市) %>%
  # 标记所有指标为0的行的序号，其余行设为NA
  mutate(最近0的序号 = ifelse(指标 == 0, 序号, NA)) %>%
  # 向下填充NA值，让每个1的行继承最近的0的序号
  fill(最近0的序号, .direction = "down") %>%
  # 关联原表，获取最近0的日期、销售额等信息（如果不需要可以省略这步）
  left_join(df %>% select(序号, 最近0日期=日期, 最近0销售额=销售额), 
            by = c("最近0的序号" = "序号")) %>%
  # 取消分组
  ungroup()

# 查看结果
print(result_df)

运行后你会看到，每个指标=1的行都带上了同城市里上一个0的序号、日期和销售额，比如纽约第3行（指标=1）对应的最近0是第2行，第6、7行的指标=1对应的最近0是第5行。

方案二：用data.table实现（效率优先） #

如果你的数据量很大（比如百万级以上），推荐用data.table的滚动连接，速度会快很多：

library(data.table)

# 转成data.table格式
dt <- as.data.table(df)

# 先提取所有指标为0的记录，作为回溯的参照表
dt_0 <- dt[指标 == 0, .(城市, 序号_0=序号, 日期_0=日期, 销售额_0=销售额)]

# 按城市分组，用滚动连接找到每个行对应的最近0的记录
result_dt <- dt[dt_0, on = .(城市, 序号 >= 序号_0), roll = TRUE, 
                .(序号, 日期, 城市, 销售额, 差值, 指标, 
                  最近0的序号=i.序号_0, 最近0日期=i.日期_0, 最近0销售额=i.销售额_0)]

# 查看结果
print(result_dt)

这里的roll=TRUE参数会在每个城市组内，为当前行找到小于等于当前序号的最大的0的序号，也就是最近的那个0的记录，完美匹配你的回溯需求。

自定义调整说明 #

如果你的需求是其他类型的回溯（比如回溯到上一个0之后的所有记录，或者计算1与最近0的差值），只需要在上述代码基础上修改即可：

• 比如要计算当前销售额与最近0的销售额的差值：可以加一行mutate(销售额差值 = 销售额 - 最近0销售额)
• 比如要筛选出所有指标=1的行：可以在最后加filter(指标 == 1)

内容的提问来源于stack exchange，提问作者Jay