dplyr:lead（）和lag（）与group_by（）一起使用时出错

我想在每个组中找到lead（）和lag（）元素，但得到了一些错误的结果

例如，数据如下所示：

library(dplyr)
df = data.frame(name=rep(c('Al','Jen'),3),
                score=rep(c(100, 80, 60),2))
df

数据：

现在我试着找出每个人的lead（）和lag（）分数。 如果我使用arrange（）对其排序，我可以得到正确的答案：

df %>%
  arrange(name) %>%
  group_by(name) %>%
  mutate(next.score = lead(score),
         before.score = lag(score) )

产出1：

Source: local data frame [6 x 4]
Groups: name

      name score next.score before.score
    1   Al   100         60           NA
    2   Al    60         80          100
    3   Al    80         NA           60
    4  Jen    80        100           NA
    5  Jen   100         60           80
    6  Jen    60         NA          100

如果没有arrange（），则结果是错误的：

df %>%
  group_by(name) %>%
  mutate(next.score = lead(score),
         before.score = lag(score) )

输出2：

Source: local data frame [6 x 4]
Groups: name

  name score next.score before.score
1   Al   100         80           NA
2  Jen    80         60           NA
3   Al    60        100           80
4  Jen   100         80           60
5   Al    80         NA          100
6  Jen    60         NA           80

例如，在第1行，Al的下一个分数应该是60（第3行）

---

有人知道为什么会这样吗？为什么arrange（）会影响结果（值，而不仅仅是顺序）？谢谢~

看来您必须向滞后函数和超前函数传递额外的参数。当我运行你的函数没有安排，但添加了order_by时，一切似乎都正常

df %>%
group_by(name) %>%
mutate(next.score = lead(score, order_by=name),
before.score = lag(score, order_by=name))

输出：

  name score next.score before.score
1   Al   100         60           NA
2  Jen    80        100           NA
3   Al    60         80          100
4  Jen   100         60           80
5   Al    80         NA           60
6  Jen    60         NA          100

My sessionInfo（）：

---

当您只有一个分组变量时，使用order_by是很好的。在多个分组变量的情况下，我找不到任何解决方案，除了编写和读取表以摆脱分组变量。它对我来说非常有效，但其效率取决于表的大小。

可能会使用

stats:：lag

（例如，在使用

会话

包恢复环境时）。这很容易在不被注意的情况下溜过去，因为它不会像问题中那样使用时抛出错误。通过简单地键入

lag

进行双重检查，使用

conflicted

包，或者通过调用

dplyr:：lag

来消除函数调用的歧义

---

同样的情况也可能发生在

plyr:：mutate

，以防您在会话中加载了

plyr

包。因此，请确保您也在调用

dplyr:：mutate

@DavidArenburg。这不是排序，OP会询问为什么结果是80，而在原始数据帧中，下一个结果是60。就好像是珍的成绩被选上了，而不是阿尔的成绩，我不能再重复了。您使用的是哪个版本的R？我在Windows上使用R3.1.2获得

1 Al 100 60 NA

7@PanagiotisKanavos是的，你是对的。我没有注意到。我可以重现奇怪的结果（

0.4.1.9000

）。我认为（在快速、模糊地浏览了一系列函数调用的源代码之后），这是因为底层代码是按实际的总体行索引而不是相对行索引进行的。这也许可以解释

lead

（我认为

pmin

是奇怪的地方），但不确定

lag

（没有看那里）。这似乎是

dplyr

的最新版本0.4.1中的一个bug，并且已经有报道说我正在处理一个类似的lag案例，但是有一个改变-多个列用于分组和排序！如果group_by和order_by中有多个列，答案会有多大不同？我尝试传递向量，但没有帮助。我为这种情况创建了一个虚拟分组变量，以允许使用order\u by:

mutate（grouping=sprintf（“%04d-”，var1，var2））%%>%mutate（next.score=lead（score，order\u by=grouping）%%>%select（-grouping）

许多软件包都有延迟功能——正如这条评论所述，验证/消除歧义是至关重要的，除非你仅仅依靠一小部分软件包或基本的R+dplyr。在找到这个强调dplyr:muta的天赐回复之前，我浪费了最后两个小时试图理解应该运行的代码中突然出现的错误te和dplyr：滞后。这需要更多的关注。谢谢你，先生。

  name score next.score before.score
1   Al   100         60           NA
2  Jen    80        100           NA
3   Al    60         80          100
4  Jen   100         60           80
5   Al    80         NA           60
6  Jen    60         NA          100

R version 3.1.1 (2014-07-10)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=Polish_Poland.1250  LC_CTYPE=Polish_Poland.1250        LC_MONETARY=Polish_Poland.1250
[4] LC_NUMERIC=C                   LC_TIME=Polish_Poland.1250    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] dplyr_0.4.1

loaded via a namespace (and not attached):
[1] assertthat_0.1  DBI_0.3.1       lazyeval_0.1.10 magrittr_1.5                parallel_3.1.1  Rcpp_0.11.5    
[7] tools_3.1.1