使用 dplyr 创建一个具有滞后值作为数值向量的数据框

我的数据如下

data <- data.frame(
  A = c(10,20,30,40,50,60,70,80,90,100),
  B = c(110,120,130,140,150,160,170,180,190,200)
)

我希望创建一个新列，按行从 A 列获取每个值，并将其与 B 列中的相应值以及 B 列中的滞后 3 个值连接起来，并将其存储在数字向量中。

最终数据如下：

    new_data <- data.frame(
  A = c(10,20,30,40,50,60,70,80,90,100),
  B = c(110,120,130,140,150,160,170,180,190,200),
  c = I(list(c(10,110,NA,NA,NA),c(20,120,110,NA,NA),c(30,130,120,110,NA),c(40,140,130,120,110),c(50,150,140,130,120),c(60,160,150,140,130),c(70,170,160,150,140),c(80,180,170,160,150),c(90,190,180,170,160),c(100,200,190,180,170))
))

在我的真实数据中，我需要捕获最多 200 个滞后值，因此需要手动输入list(A, lag(B),lag(B,2),lag(B,3)....这不是一条我想走的路。

我尝试使用 purrr::map 来实现我的结果，但我无法将滞后值放入我的向量中

data %>%
  rowwise() %>% 
  mutate(z = list(c(A,B,map_vec(1:3, ~lag(B,.x, default = NA)))))

最终目标是计算 A 列的每个值相对于当前行 + B 列的 3 个先前值的 Percentage_rank，以确定 A 的每个点是否为异常值，即 > 75%。

我的方法是在 C 列中创建一个值的数字向量，其中包含 A 的当前值和 B 中的 4 个值，将 dplyr::percent_rank 应用于每个向量并提取每个索引 = 1 值的百分比排名（A 列值）来获得值 A 的百分比排名。

您能提供的任何指导将不胜感激。

EDIT：新数据和变量lag-length

Set <- 3 # For e.g. all rows use "Set <- (nrow(data)-1)"

data %>% 
  mutate(setNames(data.frame(sapply(1:!!Set, \(x) 
    lag(B, x))), paste0("b", 1:!!Set))) %>% 
  rowwise() %>% 
  mutate(C = list(c_across(everything()))) %>% 
  select(-matches("b\\d+")) %>% 
  data.frame()
     A   B                       C
1   10 110     10, 110, NA, NA, NA
2   20 120    20, 120, 110, NA, NA
3   30 130   30, 130, 120, 110, NA
4   40 140  40, 140, 130, 120, 110
5   50 150  50, 150, 140, 130, 120
6   60 160  60, 160, 150, 140, 130
7   70 170  70, 170, 160, 150, 140
8   80 180  80, 180, 170, 160, 150
9   90 190  90, 190, 180, 170, 160
10 100 200 100, 200, 190, 180, 170

使用预rowwise lag多变的

library(dplyr)

df %>% 
  mutate(b = lag(B)) %>% 
  rowwise() %>% 
  mutate(C = list(c(A, B, b)), b = NULL) %>% 
  data.frame()
   A   B           C
1 10  60  10, 60, NA
2 20  70  20, 70, 60
3 30  80  30, 80, 70
4 40  90  40, 90, 80
5 50 100 50, 100, 90