您必须意识到 R 的工作方式与 SAS 中的数据步骤非常不同。这lagSAS中的函数在数据步骤中使用，并且使用within该数据步骤的隐式循环结构。这同样适用于retain函数，它只是在数据循环时保持值不变。
另一方面，R 的工作方式完全矢量化。这意味着您必须重新考虑自己想要做什么，并做出相应的调整。
-
retain在 R 中根本没用，因为 R 默认情况下会回收参数。如果您想明确执行此操作，您可以查看例如rep()构造一个具有恒定值和一定长度的向量。
-
lag是使用索引的问题，并且只是移动向量中所有值的位置。为了保持向量的长度相同，你需要添加一些NA并删除一些额外的值。
一个简单的例子：这个 SAS 代码滞后于一个变量x并添加一个变量year具有恒定值：
data one;
retain year 2013;
input x @@;
y=lag1(x);
z=lag2(x);
datalines;
1 2 3 4 5 6
;
在 R 中，您可以编写自己的滞后函数，如下所示：
mylag <- function(x,k) c(rep(NA,k),head(x,-k))
这一行在向量的开头添加 k 乘以 NA，并从向量中删除最后 k 个值。结果是一个滞后向量，如下所示lag1SAS 等。
这允许类似的事情：
nrs <- 1:6 # equivalent to datalines
one <- data.frame(
x = nrs,
y = mylag(nrs,1),
z = mylag(nrs,2),
year = 2013 # R automatically loops, so no extra command needed
)
结果是：
> one
x y z year
1 1 NA NA 2013
2 2 1 NA 2013
3 3 2 1 2013
4 4 3 2 2013
5 5 4 3 2013
6 6 5 4 2013
完全相同的情况适用于data.table目的。这里重要的注意事项是重新考虑您的策略：在使用 R 时，您必须开始考虑向量和索引，而不是像 SAS 中的 DATA 步骤那样进行循环思考。
