R/dplyr：通过循环生成滞后值并基于列名计算累积和

嗨，很高兴帮你解决这个问题！从你之前的代码和需求来看，核心问题出在tidyeval（整洁评估）的语法使用上——你用字符串变量var直接传给lag()，但dplyr的函数需要识别列对象而非字符串，所以导致滞后变量全为NA。下面我会先帮你修复原来的循环代码，再推荐一种更简洁的across写法（dplyr 1.0+版本支持）。

先构造示例数据 #

首先我们先把你的示例数据代码整理一下，方便后续测试：

set.seed(123) # 设置随机种子保证结果可复现
id = c("a", "a", "a", "b", "b") 
date = seq(as.Date("2015-12-01"), as.Date("2015-12-05"), by="days") 
v1 = sample(seq(1, 20), 5) 
v2 = sample(seq(1, 20), 5) 
df = data.frame(id, date, v1, v2)

方法一：修复你的循环代码 #

你的思路是对的，但需要修正lag()中引用列的方式，用.data[[var]]把字符串转成dplyr能识别的列对象，同时可以简化步骤，不用单独生成滞后列：

library(dplyr)

vars = c("v1", "v2") 

for (var in vars) {
  cumname = paste(var, "Cum", sep="")
  df = df %>%
    arrange(id, date) %>%
    group_by(id) %>%
    mutate(!!cumname := cumsum(dplyr::lag(.data[[var]], n = 1, default = 0))) %>%
    ungroup() # 记得取消分组，避免后续操作受影响
}

关键修正点： #

1. 用.data[[var]]来引用字符串对应的列，这是dplyr中处理字符串列名的标准方式；
2. 直接在cumsum()里嵌套lag()，并设置default=0，省去了单独处理NA的步骤；
3. 最后用ungroup()取消分组，避免后续操作意外继承分组状态。

方法二：用across实现更简洁的批量处理（推荐） #

dplyr 1.0.0之后推出的across()函数专门用于批量处理多列，比循环更简洁高效，代码如下：

df = df %>%
  arrange(id, date) %>%
  group_by(id) %>%
  mutate(across(all_of(vars), ~cumsum(lag(., n=1, default=0)), .names = "{.col}Cum")) %>%
  ungroup()

代码解释： #

• all_of(vars)：指定要处理的列（这里是v1和v2）；
• ~cumsum(lag(., n=1, default=0))：对每一列执行“滞后1期+累积和”的操作，.代表当前列；
• .names = "{.col}Cum"：自动生成新列名，比如v1对应v1Cum，v2对应v2Cum，不用手动拼接字符串。

验证输出结果 #

运行上述代码后，得到的结果和你期望的格式完全一致：

id       date    v1    v2 v1Cum v2Cum
1  a 2015-12-01     3    13     0     0
2  a 2015-12-02    10     6     3    13
3  a 2015-12-03    19     2    13    19
4  b 2015-12-04     7    11     0     0
5  b 2015-12-05    17    18     7    11

补充说明 #

你之前用Stata，可能习惯循环处理，但在dplyr中across()是更符合tidyverse风格的批量处理方式，代码更简洁且可读性更强。如果需要兼容旧版本dplyr，方法一的循环修正版也可以正常工作。

内容的提问来源于stack exchange，提问作者phil