为什么 dplyr 0.8.3 仍然会产生带有滞后运算符和分组数据的 NA？答案

【问题标题】：Why does dplyr 0.8.3 still produce NA with lag operator and grouped data?为什么 dplyr 0.8.3 仍然会产生带有滞后运算符和分组数据的 NA？
【发布时间】：2020-03-06 12:22:33
【问题描述】：

我想用 dplyr 在我的分组数据中滞后一个变量。我使用lag 运算符。我发现了类似dplyr lag function returns NAs 这样的问题，有人将https://github.com/tidyverse/dplyr/issues/1540 指向 Hadley 在 2016 年修复的一些错误。所以，我认为它已经解决了。为什么我的 lag 命令仍然抛出 NA？

我使用 R 版本 3.6.1 和 dplyr_0.8.3。

library(tidyverse)

data = data.frame(id=c(1,1,1,2,2,2,3,3,3,4,4,4), time=seq(1:3), x=rep(c(5:8), each=3))

data %>%
  group_by(id) %>%
  mutate(x_lag = lag(x, n=1, default=NA, order_by=TRUE)) %>% 
  select(id, time, x, x_lag) 

data %>%
  group_by(id) %>%
  mutate(x_lag = lag(x, n=1, default=NA, order_by=FALSE)) %>% 
  select(id, time, x, x_lag) 

data %>%
  group_by(id) %>%
  arrange(id) %>%
  mutate(x_lag = lag(x, n=1, default=NA, order_by=FALSE)) %>% 
  select(id, time, x, x_lag) 

data %>%
  group_by(id) %>%
  mutate(x_lag = lag(x, n=1, default=0, order_by=TRUE)) %>% 
  select(id, time, x, x_lag) 

# A tibble: 8 x 4
# Groups:   id, time [12]
      id  time     x x_lag
   <dbl> <int> <int> <int>
 1     1     1     5    NA
 2     1     2     5    NA
 3     1     3     5    NA
 4     2     1     6    NA
 5     2     2     6    NA
 6     2     3     6    NA
 7     3     1     7    NA
 8     3     2     7    NA

【问题讨论】：

标签： r dplyr

【解决方案1】：

我认为您只是没有正确使用 order_by 参数。它应该采用另一个向量，而不是 TRUE 或 FALSE。在您的用例中，您可能根本不想使用它。

data %>%
  group_by(id) %>%
  mutate(x_lag = lag(x, n=1, default=0)) %>% 
  select(id, time, x, x_lag) 
#> # A tibble: 12 x 4
#> # Groups:   id [4]
#>       id  time     x x_lag
#>    <dbl> <int> <int> <dbl>
#>  1     1     1     5     0
#>  2     1     2     5     5
#>  3     1     3     5     5
#>  4     2     1     6     0
#>  5     2     2     6     6
#>  6     2     3     6     6
#>  7     3     1     7     0
#>  8     3     2     7     7
#>  9     3     3     7     7
#> 10     4     1     8     0
#> 11     4     2     8     8
#> 12     4     3     8     8

【讨论】：