在R中按组和ID减去滞后元素，考虑NAs，并在需要时添加Nas

Question

我正在分析一个大型数据库(描述后的片段)。为了给出一些背景，我正在分析公司的绩效，用专利和专利引用来衡量连任的CEO。

为了了解CEO们对他们公司的影响，我现在计算了列生产力(这里称为data)前三个条目的总和，以便：

今年的生产力等于今年+去年+前一年的生产力之和。

我现在要找的公式是今年的生产力，按上面的计算，可以追溯到3年前。所以，简而言之，我想把第一年的条目减去第三年(今年)的所有条目。下面是我想在excel中做的一个例子。在这个例子中，我要回到4年前！

​

​

现在，我需要通过公司和CEO ID来做这件事。正如你所看到的，并不是所有的年份都有一个条目，所以我不能总是回到过去。在这种情况下，我希望条目成为NA。

这里有一个简化的数据库

ID <- c(1,1,1,1,1,1,3,3,3,5,5,4,4,4,4,4,4,4) #CEO ID
C <- c('a','a','a','a','a','a','b','b','b','b','b','c','c','c','c','c','c','c') #Company 
fyear <- c(2000, 2001, 2002,2003,2004,2005,2000, 2001,2002,2003,2004,2000, 2001, 2002,2003,2004,2005,2006)
data <- c(30,50,22,44,68,100,5,3,7,6,9,3,5,6,7,44,33,NA)
df1 <- data.frame(ID,C,fyear, data)

ID  C   fyear  data
1   a   2000    NA  
1   a   2001    50  
1   a   2002    22  
1   a   2003    44  
1   a   2004    68  
1   a   2005    100 
3   b   2000    NA  
3   b   2001    3   
3   b   2002    7   
5   b   2003    6   
5   b   2004    9   
4   c   2000    3   
4   c   2001    5   
4   c   2002    6   
4   c   2003    5   
4   c   2004    44  
4   c   2005    33  
4   c   2006    NA

这是所需的输出。如你所知，对于一些首席执行官来说，所有的条目都是NAs。

ID  C   fyear  data diff.
1   a   2000    NA   NA
1   a   2001    50   NA
1   a   2002    22   NA
1   a   2003    44   -6  # 44-50
1   a   2004    68   46  # 68-22
1   a   2005    11   -33 # 11-44
3   b   2000    NA   NA
3   b   2001    3    NA
3   b   2002    7    NA
5   b   2003    6    NA  # here the company is the same but I'm analyzing a different CEO (ID)
5   b   2004    9    NA
4   c   2000    3    NA
4   c   2001    5    NA
4   c   2002    6    3
4   c   2003    5    0
4   c   2004    44   38
4   c   2005    33   28
4   c   2006    NA   NA

我试图用这里找到的一些公式来解决这个问题，但是其中一些公式不起作用(我得到了所有的0)，而这些公式仍然无助于解决这样一个特定的问题。

非常感谢，我希望有人能对此发扬光大。

Answer 1

这是你想要的吗？

ID <- c(1, 1, 1, 1, 1, 1, 3, 3, 3, 5, 5, 4, 4, 4, 4, 4, 4, 4) # CEO ID
C <- c("a", "a", "a", "a", "a", "a", "b", "b", "b", "b", "b", "c", "c", "c", "c", "c", "c", "c") # Company
fyear <- c(2000, 2001, 2002, 2003, 2004, 2005, 2000, 2001, 2002, 2003, 2004, 2000, 2001, 2002, 2003, 2004, 2005, 2006)
data <- c(NA, 50, 22, 44, 68, 11, NA, 3, 7, 6, 9, 3, 5, 6, 5, 44, 33, NA)
df1 <- data.frame(ID, C, fyear, data)

library(dplyr)
df1 |>
  group_by(ID, C) |>
  mutate(diff = data - dplyr::lag(data, 2))

输出

# A tibble: 18 × 5
# Groups:   ID, C [4]
      ID C     fyear  data  diff
   <dbl> <chr> <dbl> <dbl> <dbl>
 1     1 a      2000    NA    NA
 2     1 a      2001    50    NA
 3     1 a      2002    22    NA
 4     1 a      2003    44    -6
 5     1 a      2004    68    46
 6     1 a      2005    11   -33
 7     3 b      2000    NA    NA
 8     3 b      2001     3    NA
 9     3 b      2002     7    NA
10     5 b      2003     6    NA
11     5 b      2004     9    NA
12     4 c      2000     3    NA
13     4 c      2001     5    NA
14     4 c      2002     6     3
15     4 c      2003     5     0
16     4 c      2004    44    38
17     4 c      2005    33    28
18     4 c      2006    NA    NA