r-在对mutate()的调用中引用上一列/下一列

Question

我的数据如下：

set.seed(1234)
library(tidyverse)
df <- data.frame(Time = c(1,1,2,2,3,3),
Region = c("A", "B", "A", "B", "A", "B"),
Age_1 = round(rnorm(6, mean = 10),0),
Age_2 = round(rnorm(6, mean = 10),0),
Age_3 = round(rnorm(6, mean = 10),0),
Age_4 = round(rnorm(6, mean = 10),0),
Age_5 = round(rnorm(6, mean = 10),0))

我需要为每个地区和时间点生成人口变化的比率。例如，Time == 2的Ratio_2将是由Region分组的Age_2(在Time == 2处(/Age_1(在Time == 1处(。我可以手动输入：

df %>% 
group_by(Region) %>%
mutate(Ratio_2 = Age_2 / dplyr::lag(Age_1, order_by = Time),
Ratio_3 = Age_3 / dplyr::lag(Age_2, order_by = Time),
Ratio_4 = Age_4 / dplyr::lag(Age_3, order_by = Time),
Ratio_5 = Age_5 / dplyr::lag(Age_4, order_by = Time))
df
# A tibble: 6 x 11
# Groups:   Region [2]
Time Region Age_1 Age_2 Age_3 Age_4 Age_5 Ratio_2 Ratio_3 Ratio_4 Ratio_5
<dbl> <chr>  <dbl> <dbl> <dbl> <dbl> <dbl>   <dbl>   <dbl>   <dbl>   <dbl>
1     1 A         11     8     9     9    10  NA       NA     NA       NA   
2     1 B         10     9    10    10    11  NA       NA     NA       NA   
3     2 A          9    10     9     8    12   0.909    1.12   0.889    1.33
4     2 B          9    10     9     9     9   1        1      0.9      0.9 
5     3 A          8    11     9     9    12   1.22     0.9    1        1.5 
6     3 B          9     9     9     9     9   1        0.9    1        1   

由于我的原始数据有很多年龄组，所以这个过程需要大量的手动编码。在我看来，一个程序化的解决方案可能是这样的：

df %>%
group_by(Region) %>%
mutate(across(4:7, ~ . / dplyr::lag(.[?], order_by = Time), .names="Ratio_{.col}"))

包含dplyr::lag(.[?])的部分需要引用数据帧中相对于.的前一列，但我还没有找到这样做的方法

注意：这个问题与昨天的一篇帖子有关，我在帖子中试图解决手头的问题，因为数据是长格式的。不过，以广泛的形式进行是一个不同的问题，这就是我打开这个问题的原因。

Answer 1

这里有一个across选项

library(dplyr)
library(stringr)
df %>% 
group_by(Region) %>% 
mutate(across(matches('^Age_[2-5]$'),
~ ./lag(get(str_replace(cur_column(), '\d+',
as.character(readr::parse_number(cur_column())-1))), order_by = Time ),
.names = "Ratio_{.col}" )) %>%
ungroup

---

或者可以用简化的方式

library(purrr)
df[str_c('Region_', 2:5)] <-  map2(df[4:7], df[3:6], 
~ .x/lag(.y, order_by = df$Time))