將列中的值移動到特定行

Question

我在我的學士論文中有數據集。 這只是數據集的一個簡短版本（仍然太多了，無法在這裏發佈，對不起）， ，但情況是，我必須爲每年的「return12」列出第9年的「SROE」 8年的價值，12年的10年和9年的SROE等。 公司ID在第二列，必須與SROE和Return12匹配，所以公司不會混淆。

我已經嘗試了一些不同的功能，但它並沒有解決我的情況。

我試過這段代碼，但它不能像我想要的那樣工作。

year.order2<-ret12[order(ret12$year, ret12$SROE, ret12$Return12, na.last = T, decreasing = T),] yeartest <- transform(year.order2, Return12 = c(NA, Return12[-nrow(year.order2)]))

   id year   SROE  Return12 OSEBXr12 
1814  166 15 21.06345172 -0.160281717 -0.059150 
582   53 15 13.32248824 0.101805502 -0.059150 
868   79 15 9.45765120 0.916125271 -0.059150 
395   36 15 8.91144364 -0.046316276 -0.059150 
318   29 15 6.87606276 -0.177370031 -0.059150 
1286  118 15 6.75801735 1.069037413 -0.059150 
329   30 15 6.44705341 0.398571429 -0.059150 
1319  121 15 6.40374891 0.617598303 -0.059150 
956   88 15 6.38674853 1.382978723 -0.059150 
373   34 15 6.24516436 -0.057201646 -0.059150 
1154  106 15 5.94762885 0.289787481 -0.059150 
626   57 15 5.13702836 0.110565500 -0.059150 
1539  141 15 5.06195259 -0.235493373 -0.059150 
1704  156 15 4.96444477 0.381119862 -0.059150 
967   89 15 4.49788681 -0.168720150 -0.059150 
1451  133 15 4.16517045 0.291875733 -0.059150 
1803  165 15 3.84209438 0.258043950 -0.059150 
197   18 15 3.79648512 -0.111447964 -0.059150 
1528  140 15 3.55027135 0.426369168 -0.059150 
1737  159 15 3.43669721 0.413409961 -0.059150 
241   22 15 3.12265152 -0.677819083 -0.059150 
54   5 15 2.99865083 0.594527262 -0.059150 
1660  152 15 2.98208332 -0.116092772 -0.059150 
1693  155 15 2.72894105 0.315186197 -0.059150 
1055   97 15 2.59080259 -0.288888889 -0.059150 
1011   93 15 2.52560311 -0.245794393 -0.059150 
989   91 15 2.37809304 0.006064505 -0.059150 
450   41 15 2.34690356 0.012987013 -0.059150 
1770  162 15 2.32962182 -0.223670187 -0.059150 
802   73 15 2.28667081 0.120406075 -0.059150 
1462  134 15 2.24283341 -0.028824886 -0.059150 
549   50 15 2.15182069 -0.468315301 -0.059150 
285   26 15 2.08732229 -0.271859964 -0.059150 
10   1 15 1.97156443 0.482100054 -0.059150 
340   31 15 1.93518075 0.899027442 -0.059150 
1176  108 15 1.92194207 -0.139118199 -0.059150 
1066   98 15 1.84783091 0.389512481 -0.059150 
1748  160 15 1.83224060 -0.043163852 -0.059150 
1781  163 15 1.80810900 -0.130968785 -0.059150 
1407  129 15 1.76854453 0.548725101 -0.059150 
208   19 15 1.71286374 0.280728627 -0.059150 
824   75 15 1.60228776 0.279648956 -0.059150 
1132  104 15 1.55899607 0.768918919 -0.059150 
703   64 15 1.53559636 -0.772245890 -0.059150 
43   4 15 1.53499544 0.692307692 -0.059150 
1352  124 15 1.51347913 -0.537500000 -0.059150 
1198  110 15 1.49695624 0.277698086 -0.059150 
120   11 15 1.44169619 1.032124757 -0.059150 
1550  142 15 1.43922411 -0.075267137 -0.059150 
406   37 15 1.43645465 -0.661764706 -0.059150 
263   24 15 1.40896986 -0.440000000 -0.059150 
1297  119 15 1.39968959 0.005263158 -0.059150 
1363  125 15 1.37839665 -0.206253758 -0.059150 
857   78 15 1.36001779 0.223417484 -0.059150 
109   10 15 1.32579947 -0.289615397 -0.059150 
186   17 15 1.31100145 0.184308881 -0.059150 
912   84 15 1.30878950 -0.259685157 -0.059150 
472   43 15 1.30834391 -0.153648794 -0.059150 
659   60 15 1.30399083 0.112676367 -0.059150 
1671  153 15 1.29325084 -0.270092033 -0.059150 
1825  167 15 1.23598258 0.128611436 -0.059150 
1594  146 15 1.22400548 0.497863248 -0.059150 
758   69 15 1.21047789 0.287523953 -0.059150 
1440  132 15 1.20156226 0.011987913 -0.059150 
835   76 15 1.18580289 0.840000000 -0.059150 
846   77 15 1.17520829 -0.459869848 -0.059150 
1682  154 15 1.16911115 -0.532894737 -0.059150 
615   56 15 1.16624567 0.047679182 -0.059150 
1506  138 15 1.16262451 -0.587982833 -0.059150 
813   74 15 1.15630435 -0.142465321 -0.059150 
560   51 15 1.14421086 -0.342842083 -0.059150 
681   62 15 1.14286094 0.086538462 -0.059150 
1616  148 15 1.13999073 0.680258790 -0.059150 
1077   99 15 1.11327454 -0.136842105 -0.059150 
142   13 15 1.10908331 -0.143200645 -0.059150 
274   25 15 1.09553083 -0.313725490 -0.059150 
1330  122 15 1.04979784 0.033805889 -0.059150 
362   33 15 1.04725763 -0.132558140 -0.059150 
1209  111 15 1.02722876 -0.548148148 -0.059150 
692   63 15 1.02647920 0.725768322 -0.059150 
175   16 15 0.99187168 -0.396054628 -0.059150 
1429  131 15 0.98206425 0.233683616 -0.059150 
1605  147 15 0.97786358 -0.213469388 -0.059150 
890   82 15 0.97771373 -0.653846154 -0.059150 
1231  113 15 0.97322215 -0.511597374 -0.059150 
780   71 15 0.95005051 1.476789384 -0.059150 
1165  107 15 0.94223541 -0.295668550 -0.059150 
1033   95 15 0.93440462 -0.353345780 -0.059150 
1572  144 15 0.93264693 -0.029200673 -0.059150 
1374  126 15 0.92729234 -0.635913313 -0.059150 
1495  137 15 0.91475915 0.399845573 -0.059150 
648   59 15 0.86536731 -0.742239807 -0.059150 
1044   96 15 0.86369475 -0.691011236 -0.059150 
1792  164 15 0.86246004 -0.429643121 -0.059150 
714   65 15 0.85465118 -0.725639927 -0.059150 
1484  136 15 0.84167952 -0.067357513 -0.059150 
604   55 15 0.82344486 0.050573980 -0.059150 
593   54 15 0.81699442 -0.054545455 -0.059150 
527   48 15 0.81574188 -0.541223969 -0.059150 
1308  120 15 0.78682497 0.090975610 -0.059150 
164   15 15 0.75097824 0.113962960 -0.059150 
1121  103 15 0.73844731 2.831560758 -0.059150 
1649  151 15 0.72396064 -0.835227273 -0.059150 
571   52 15 0.71393614 -0.670806343 -0.059150 
153   14 15 0.71010885 0.199908967 -0.059150 
637   58 15 0.70854122 -0.896969697 -0.059150 
945   87 15 0.70774797 1.402923537 -0.059150 
1473  135 15 0.70710688 -0.828676471 -0.059150 
1110  102 15 0.69097013 -0.168269231 -0.059150 
1396  128 15 0.68369318 0.250000000 -0.059150 
1253  115 15 0.67988410 -0.365682093 -0.059150 
1759  161 15 0.67049105 -0.367088608 -0.059150 
65   6 15 0.66389168 -0.540526316 -0.059150 
219   20 15 0.64685798 -0.721890547 -0.059150 
252   23 15 0.62984681 -0.463291139 -0.059150 
1726  158 15 0.61402854 -0.436956522 -0.059150 
1418  130 15 -0.79965248 -0.478260870 -0.059150 
1549  142 14 23.11684369 -0.178885860 0.112869 
317   29 14 20.23086241 0.644505325 0.112869 
1318  121 14 8.58091313 1.007734881 0.112869 
988   91 14 7.90873362 -0.269991974 0.112869 
867   79 14 6.44919884 0.275177305 0.112869 
328   30 14 6.40544835 -0.059629331 0.112869 
1175  108 14 6.32482120 0.540399113 0.112869 
1351  124 14 5.50407132 0.000000000 0.112869 
1538  141 14 5.46883066 -0.179431025 0.112869 
581   53 14 5.14092813 0.250627538 0.112869 
1527  140 14 4.68597924 -0.071334648 0.112869 
790   72 14 4.27448237 0.044596913 0.112869 
240   22 14 3.72618752 -0.489240506 0.112869 
1307  120 14 3.65873267 -0.125047671 0.112869 
1505  138 14 3.62463735 -0.107279693 0.112869 
9    1 14 3.60998039 0.042533569 0.112869 
1285  118 14 3.59967078 -0.431940200 0.112869 
196   18 14 3.56824369 0.612544044 0.112869 
1692  155 14 3.37111155 0.194139194 0.112869 
339   31 14 3.07045337 0.698513384 0.112869 
1747  160 14 3.00051614 0.290793547 0.112869 
1670  153 14 2.99930554 0.157513854 0.112869 
801   73 14 2.98911215 0.056882806 0.112869 
1593  146 14 2.97564257 -0.372822300 0.112869 
1659  152 14 2.87893104 0.340008624 0.112869 
1373  126 14 2.65668093 -0.350949463 0.112869 
1197  110 14 2.61785580 0.233531310 0.112869 
1703  156 14 2.60464237 0.181673156 0.112869 
1769  162 14 2.57249329 -0.213467753 0.112869 
53   5 14 2.43112019 0.332925097 0.112869 
1131  104 14 2.42196540 0.075172554 0.112869 
1736  159 14 2.39665786 0.767601043 0.112869 
636   58 14 2.31838774 -0.550000000 0.112869 
284   26 14 2.17325240 -0.390076974 0.112869 
262   24 14 2.15494774 -0.393939394 0.112869 
1516  139 14 2.12650027 -0.437762869 0.112869 
1010   93 14 2.00163574 0.789297659 0.112869 
372   34 14 1.95460996 0.435506242 0.112869 
548   50 14 1.95355193 -0.680153093 0.112869 
1076   99 14 1.91838973 0.490926925 0.112869 
1450  133 14 1.82737021 0.193544383 0.112869 
460   42 14 1.78104084 -0.418705036 0.112869 
1153  106 14 1.77902235 0.399846259 0.112869 
1813  166 14 1.77211578 0.612540666 0.112869 
185   17 14 1.76411747 0.363361388 0.112869 
680   62 14 1.72407748 -0.460580913 0.112869 
691   63 14 1.71478535 -0.364864865 0.112869 
1494  137 14 1.69161571 0.106408757 0.112869 
614   56 14 1.65779152 0.084792900 0.112869 
1780  163 14 1.62571349 -0.230977814 0.112869 
702   64 14 1.62480728 -0.512077295 0.112869 
1208  111 14 1.59762131 -0.560260586 0.112869 
592   54 14 1.59175502 -0.316087737 0.112869 
735   67 14 1.44799035 -0.155844156 0.112869 
273   25 14 1.43157370 0.280334728 0.112869 
1406  129 14 1.42599186 0.694259743 0.112869 
559   51 14 1.41919468 -0.374564480 0.112869 
42   4 14 1.40889942 0.090621089 0.112869 
97   9 14 1.40809834 -0.439447147 0.112869 
207   19 14 1.40806506 0.306086405 0.112869 
394   36 14 1.39957200 0.086343404 0.112869 
405   37 14 1.39021190 -0.165848871 0.112869 
526   48 14 1.35374016 -0.713503901 0.112869 
163   15 14 1.34048347 -0.411522634 0.112869 
1571  144 14 1.32108835 -0.082097870 0.112869 
1725  158 14 1.31531715 -0.252032520 0.112869 
625   57 14 1.31394786 0.171449830 0.112869 
658   60 14 1.31200671 -0.240147697 0.112869 
1054   97 14 1.31136914 -0.566265060 0.112869 
1461  134 14 1.26710097 -0.410000000 0.112869 
1065   98 14 1.26289838 0.747161593 0.112869 
1758  161 14 1.26275618 0.519879889 0.112869 
1164  107 14 1.23857503 0.234883721 0.112869 
449   41 14 1.23381575 0.247141768 0.112869 
823   75 14 1.23084920 0.505203218 0.112869 
1043   96 14 1.19762524 0.311233886 0.112869 
779   71 14 1.19489416 -0.061111111 0.112869 
75   7 14 1.18112630 -0.057826087 0.112869 
856   78 14 1.11758807 0.568019472 0.112869 
416   38 14 1.10565310 -0.661290323 0.112869 
944   87 14 1.08837331 1.441337890 0.112869 
1296  119 14 1.03762698 0.478599222 0.112869 
812   74 14 0.98145205 -0.151996606 0.112869 
1604  147 14 0.97324462 -0.218089603 0.112869 
570   52 14 0.91405742 -0.240557389 0.112869 
966   89 14 0.90857225 0.015850587 0.112869 
834   76 14 0.90626954 0.351351351 0.112869 
603   55 14 0.90553614 0.120000000 0.112869 
1681  154 14 0.90081211 0.032258065 0.112869 
218   20 14 0.87615674 -0.359872611 0.112869 
1483  136 14 0.87269220 -0.077086255 0.112869 
1362  125 14 0.85469080 -0.389500734 0.112869 
119   11 14 0.83707515 0.777252896 0.112869 
911   84 14 0.82895276 -0.295532646 0.112869 
1648  151 14 0.82599899 -0.200000000 0.112869 
1252  115 14 0.82477468 -0.329849570 0.112869 
1472  135 14 0.82033134 2.177570093 0.112869 
1230  113 14 0.81397746 -0.556864986 0.112869 
889   82 14 0.81389255 -0.428571429 0.112869 
1439  132 14 0.77224072 0.378296306 0.112869 
427   39 14 0.74909867 -0.315168827 0.112869 
757   69 14 0.72448797 0.024644523 0.112869 
152   14 14 0.70740409 -0.442857143 0.112869 
1395  128 14 0.68401333 -0.118942731 0.112869 
1186  109 14 0.66692557 0.205473743 0.112869 
669   61 14 0.66651108 -0.411764706 0.112869 
316   29 13 27.67796398 0.475557461 0.150159 
1493  137 13 13.56200755 0.045216461 0.150159 
1746  160 13 10.99968277 0.051940109 0.150159 
1768  162 13 7.53413090 0.213153491 0.150159 
239   22 13 6.95310312 0.046357616 0.150159 
327   30 13 6.34254755 0.296625222 0.150159 
1372  126 13 5.45573520 0.332028548 0.150159 
1537  141 13 4.60641610 0.489180155 0.150159 
789   72 13 4.34881818 2.761290323 0.150159 
558   51 13 4.08086211 -0.043070363 0.150159 
1306  120 13 4.07077399 0.099983769 0.150159 
547   50 13 4.03234457 -0.061875401 0.150159 
1702  156 13 3.95355025 0.181487296 0.150159 
1548  142 13 3.89783966 -0.137992832 0.150159 
8    1 13 3.80333107 0.220912940 0.150159 
1174  108 13 3.77325183 0.147305733 0.150159 
800   73 13 3.70624126 0.011274207 0.150159 
1669  153 13 3.61855059 -0.172420877 0.150159 
987   91 13 3.39669062 0.741665461 0.150159 
690   63 13 3.39536421 4.414634146 0.150159 
1735  159 13 3.19989358 0.082035101 0.150159 
1185  109 13 2.84971719 1.499371647 0.150159 
580   53 13 2.75702524 0.503066618 0.150159 
1042   96 13 2.70983419 0.378172589 0.150159 
1658  152 13 2.70327736 0.131344886 0.150159 
195   18 13 2.69289531 0.042694820 0.150159 
283   26 13 2.66181946 -0.081758086 0.150159 
866   79 13 2.51063140 0.072275199 0.150159 
1779  163 13 2.44508433 0.179777004 0.150159 
613   56 13 2.43963461 0.013710104 0.150159 
52   5 13 2.35899802 0.332536076 0.150159 
1075   99 13 2.16278220 0.224624625 0.150159 
1570  144 13 2.06554782 0.074010846 0.150159 
525   48 13 2.03023407 -0.038518650 0.150159 
1504  138 13 1.98459096 0.167515938 0.150159 
1812  166 13 1.91311640 -0.066946965 0.150159 
151   14 13 1.90382668 0.093750000 0.150159 
338   31 13 1.84584193 0.091777983 0.150159 
591   54 13 1.80853387 0.203619909 0.150159 
272   25 13 1.78598713 1.728310502 0.150159 
184   17 13 1.76112921 0.009867010 0.150159 
1009   93 13 1.74752529 0.980132450 0.150159 
1691  155 13 1.67190657 -0.197058824 0.150159 
118   11 13 1.65524659 0.278160919 0.150159 
437   40 13 1.61806035 0.014064277 0.150159 
811   74 13 1.58880643 -0.153717037 0.150159 
63   6 13 1.58381410 -0.165931982 0.150159 
448   41 13 1.58348698 -0.090444673 0.150159 
1592  146 13 1.57872558 0.332024277 0.150159 
1724  158 13 1.55216473 -0.247964202 0.150159 
1284  118 13 1.52735674 11.877689760 0.150159 
1251  115 13 1.48634481 -0.318053446 0.150159 
1130  104 13 1.46625297 2.543506189 0.150159 
404   37 13 1.46229134 1.193756728 0.150159 
1361  125 13 1.42651972 1.569811321 0.150159 
1086  100 13 1.38033411 -0.930241731 0.150159 
668   61 13 1.37085612 0.422074816 0.150159 
569   52 13 1.34391491 0.158614113 0.150159 
1438  132 13 1.34255306 0.693896980 0.150159 
1317  121 13 1.34071609 0.732839506 0.150159 
96   9 13 1.33847231 -0.259324009 0.150159 
1614  148 13 1.31243851 0.120572362 0.150159 
1603  147 13 1.30535127 0.085560151 0.150159 
1229  113 13 1.25070855 -0.050632911 0.150159 
1053   97 13 1.23077193 -0.135416667 0.150159 
855   78 13 1.23018452 0.366298881 0.150159 
217   20 13 1.22733648 -0.071005917 0.150159 
1328  122 13 1.21687585 -0.146341463 0.150159 
459   42 13 1.21666304 -0.379464286 0.150159 
1163  107 13 1.21262434 0.137566138 0.150159 
965   89 13 1.18173008 0.858823529 0.150159 
206   19 13 1.16441222 0.208124942 0.150159 
943   87 13 1.14644451 -0.767595508 0.150159 
679   62 13 1.14255503 0.532591415 0.150159 
1757  161 13 1.13108091 -0.477468616 0.150159 
1647  151 13 1.12639353 1.244897959 0.150159 
701   64 13 1.11588786 -0.577551020 0.150159 
778   71 13 1.10966802 -0.090909091 0.150159 
371   34 13 1.06990074 0.665256076 0.150159 
1295  119 13 1.02445843 -0.284122563 0.150159 
734   67 13 1.00937090 -0.478555305 0.150159 
1449  133 13 0.99690576 -0.016393442 0.150159 
261   24 13 0.99320149 -0.423580786 0.150159 
1196  110 13 0.95969164 0.062824513 0.150159 
1482  136 13 0.95074932 0.033018868 0.150159 
822   75 13 0.92045109 0.259812898 0.150159 
1526  140 13 0.91234577 0.362339810 0.150159 
1207  111 13 0.90909480 0.100358423 0.150159 
1405  129 13 0.90775970 0.475961538 0.150159 
657   60 13 0.90306208 3.213508197 0.150159 
602   55 13 0.86449560 0.999999999 0.150159 
183   17 12 12.19940204 0.008113526 0.172201 
1492  137 12 9.88702902 0.092625661 0.172201 
194   18 12 8.51621898 0.228817367 0.172201 
546   50 12 6.80902674 0.305842246 0.172201 
1536  141 12 5.96245535 0.167890067 0.172201 
326   30 12 5.95646725 -0.018736383 0.172201 
1811  166 12 5.81124269 0.268209538 0.172201 
1371  126 12 5.51770644 0.189542484 0.172201 
392   36 12 4.50167386 0.269362552 0.172201 
447   41 12 4.21790966 -0.091686379 0.172201 
216   20 12 4.15954590 -0.417241379 0.172201 
557   51 12 4.15186011 0.208791209 0.172201 
799   73 12 3.65748981 0.149911331 0.172201 
1547  142 12 3.38614688 0.861518705 0.172201 
1569  144 12 3.14547059 0.034114646 0.172201 
1503  138 12 3.08482928 0.108910891 0.172201 
1173  108 12 2.98874897 0.144519795 0.172201 
524   48 12 2.96726211 -0.106050749 0.172201 
1668  153 12 2.82006942 0.445982767 0.172201 
568   52 12 2.78044947 0.252641825 0.172201 
1646  151 12 2.73729474 0.447373101 0.172201 
1305  120 12 2.66133730 0.095990358 0.172201 
51   5 12 2.62860138 0.453081557 0.172201 
62   6 12 2.58973221 0.733007177 0.172201 
1734  159 12 2.54991113 0.148192719 0.172201 
986   91 12 2.50720858 -0.142857143 0.172201 
1591  146 12 2.48325687 -0.034137931 0.172201 
1745  160 12 2.47639237 -0.089179887 0.172201 
612   56 12 2.46973545 0.172545127 0.172201 
1657  152 12 2.45588097 0.324941037 0.172201 
238   22 12 2.45041065 -0.460714286 0.172201 
1008   93 12 2.38060628 -0.174863388 0.172201 
304   28 12 2.38003456 0.366390417 0.172201 
689   63 12 2.35868026 -0.250000000 0.172201 
282   26 12 2.21960529 0.154440154 0.172201 
579   53 12 2.2.352456021 0.172201 
865   79 12 2.13139273 0.154602047 0.172201 
40   4 12 2.08207931 -0.016197073 0.172201 
964   89 12 2.07859137 0.053780182 0.172201 
1767  162 12 1.97715726 0.626024053 0.172201 
1294  119 12 1.85382604 -0.028205128 0.172201 
1283  118 12 1.83548975 1.479564033 0.172201 
656   60 12 1.79853322 0.837349397 0.172201 
271   25 12 1.76021383 -0.354611726 0.172201 
590   54 12 1.69943635 -0.059671471 0.172201 
1701  156 12 1.68628544 0.106797253 0.172201 
1690  155 12 1.65291529 -0.096632588 0.172201 
7    1 12 1.65211344 0.140809487 0.172201 
1074   99 12 1.64881940 1.134615385 0.172201 
1327  122 12 1.57204072 -0.132275132 0.172201 
1261  116 12 1.56805209 -0.303030303 0.172201 
1041   96 12 1.54257211 -0.428985507 0.172201 
667   61 12 1.51717722 -0.136690647 0.172201 
810   74 12 1.50738969 0.341888698 0.172201 
95   9 12 1.50651922 -0.041340782 0.172201 
1778  163 12 1.48473960 0.302116311 0.172201 
161   15 12 1.43426560 0.150862069 0.172201 
700   64 12 1.43398480 -0.579232099 0.172201 
1360  125 12 1.40030030 -0.735612579 0.172201 
1184  109 12 1.32326647 0.180575205 0.172201 
1316  121 12 1.30587844 0.250000000 0.172201 
920   85 12 1.28268472 0.102362205 0.172201 
1228  113 12 1.26764800 -0.159574468 0.172201 
1712  157 12 1.23739802 0.329823748 0.172201 
403   37 12 1.23470156 0.140577041 0.172201 
205   19 12 1.22583617 0.270007622 0.172201 
1756  161 12 1.22561713 -0.900392157 0.172201 
150   14 12 1.12110726 0.015873016 0.172201 
117   11 12 1.08773604 0.087500000 0.172201 
1679  154 12 1.01730540 0.273743017 0.172201 
1085  100 12 0.99614726 -0.166723569 0.172201 
733   67 12 0.97046135 -0.439240506 0.172201 
755   69 12 0.95406148 -0.279629630 0.172201 
821   75 12 0.92934814 0.729949635 0.172201 
854   78 12 0.92924014 0.717964824 0.172201 
942   87 12 0.92652589 -0.818032787 0.172201 
1129  104 12 0.91253834 0.007936508 0.172201 
1602  147 12 0.90914950 0.281739130 0.172201 
1404  129 12 0.90468701 0.625000000 0.172201 
1030   95 12 0.89828972 -0.130977229 0.172201 
73   7 12 0.88164808 0.494091309 0.172201 
1107  102 12 0.87885010 0.020431646 0.172201 
1437  132 12 0.87071649 0.336884800 0.172201 
1052   97 12 0.86737375 -0.587002557 0.172201 
777   71 12 0.83710890 0.119688299 0.172201 
348   32 12 0.82375721 -0.643449133 0.172201 
458   42 12 0.81877908 -0.321212121 0.172201 
337   31 12 0.81128328 -0.149206441 0.172201 
1063   98 12 0.79934806 1.473684210 0.172201 
678   62 12 0.79695044 -0.140710383 0.172201 
249   23 12 0.79493117 0.318363273 0.172201 
1723  158 12 0.78859160 0.429162228 0.172201 
370   34 12 0.78024017 0.066666667 0.172201 
436   40 12 0.77619489 0.129891304 0.172201 
601   55 12 0.77193287 1.220248668 0.172201 
139   13 12 -3.32258505 1.585585585 0.172201 
578   53 11 45.76543378 0.228037564 -0.076420 
182   17 11 11.61880543 0.092649764 -0.076420 
1491  137 11 11.10701743 -0.099834528 -0.076420 
1667  153 11 10.52229111 0.116544776 -0.076420 
1106  102 11 9.11660210 -0.163753237 -0.076420 
985   91 11 6.73195560 -0.561824388 -0.076420 
193   18 11 6.11699997 0.039019964 -0.076420 
1535  141 11 6.06085500 -0.413730672 -0.076420 
303   28 11 5.95462907 -0.139209467 -0.076420 
50   5 11 5.63631194 0.148517965 -0.076420 
325   30 11 4.70780092 0.348885348 -0.076420 
963   89 11 3.42521562 -0.080424577 -0.076420 
798   73 11 3.39272134 -0.051378752 -0.076420 
1744  160 11 3.03847970 -0.091287843 -0.076420 
61   6 11 2.96322084 -0.215844382 -0.076420 
1733  159 11 2.87609409 -0.130428605 -0.076420 
160   15 11 2.86881209 -0.292682927 -0.076420 
94   9 11 2.54069565 2.162544170 -0.076420 
545   50 11 2.50990774 -0.033396566 -0.076420 
1689  155 11 2.34290938 0.311896826 -0.076420 
1656  152 11 2.29133789 0.118316301 -0.076420 
611   56 11 2.19636482 -0.335638698 -0.076420 
589   54 11 2.19581833 -0.253275109 -0.076420 
1590  146 11 2.16014050 -0.348423877 -0.076420 
281   26 11 2.09792109 -0.213768116 -0.076420 
1502  138 11 2.08817684 0.068783069 -0.076420 
864   79 11 2.05294729 -0.062938980 -0.076420 
248   23 11 2.05179688 -0.296842105 -0.076420 
6    1 11 1.98610066 -0.365344741 -0.076420 
1172  108 11 1.86819779 -0.097636799 -0.076420 
116   11 11 1.82851695 -0.284436228 -0.076420 
1810  166 11 1.75851688 -0.260376164 -0.076420 
1568  144 11 1.74672801 0.097011298 -0.076420 
204   19 11 1.68777151 -0.416080308 -0.076420 
1645  151 11 1.68005446 -0.540000000 -0.076420 
391   36 11 1.61064785 -0.184871744 -0.076420 
446   41 11 1.52375216 -0.135309245 -0.076420 
1700  156 11 1.52348562 0.155791335 -0.076420 
1128  104 11 1.50795925 -0.045454545 -0.076420 
1546  142 11 1.50634306 1.017021276 -0.076420 
1051   97 11 1.46633126 -0.464692483 -0.076420 
1304  120 11 1.46249821 0.043560606 -0.076420 
1326  122 11 1.43587335 0.125000000 -0.076420 
270   25 11 1.42570485 -0.281250000 -0.076420 
1007   93 11 1.40832289 -0.170318258 -0.076420 
820   75 11 1.35452065 -0.432659647 -0.076420 
369   34 11 1.31666123 -0.375000000 -0.076420 
1601  147 11 1.31193259 0.244933411 -0.076420 
1403  129 11 1.29946491 -0.471343246 -0.076420 
556   51 11 1.28903970 -0.213177517 -0.076420 
853   78 11 1.27235228 -0.444786553 -0.076420 
1755  161 11 1.26301155 0.853197674 -0.076420 
237   22 11 1.25496888 -0.496402878 -0.076420 
941   87 11 1.23050445 -0.227848101 -0.076420 
1766  162 11 1.19046710 -0.155750557 -0.076420 
567   52 11 1.18480736 0.004008746 -0.076420 
1777  163 11 1.13617940 -0.100416011 -0.076420 
655   60 11 1.11783748 -0.520271663 -0.076420 
1227  113 11 1.11366867 -0.262745098 -0.076420 

Answer 1

這裏是用假數據和兩個方法爲例來實現自己的目標。因爲我不知道你想如何「比較」這些值，所以我只是用一個簡單的公式作爲例子。

# Generate data 
df <- data.frame(id = rep(1:10,3), 
      year = rep(14:16,each=10), 
      SROE = rnorm(30,10,4), 
      Return12 = rnorm(30,0,2) 
) 

library(dplyr) 

選項1
此方法使用left_join，與前一年的接合今年的測量。爲了匹配當年的數據和前一年的數據，我首先使用+1來改變第二個數據幀的年份。列中的x和y生成represend左邊（x）和右（y）的data.frame在加入（即left %>% left_join(right)）

# join data previous year 
df %>% 
    left_join(df %>% mutate(year = year+1),by=c('id','year')) %>% 
    mutate(compare = Return12.x - SROE.y) 

選項2 此方法使用dplyr::lag功能。由於此方法依賴於對數據進行排序並從上一行獲取信息，因此您必須100％確定每個ID都具有所有年份。如果不是這樣，例如因爲缺少觀察的，你將不得不處理，例如與功能dplyr::complete

# Order data and use lag function 
df %>% 
    arrange(id, year) %>% 
    group_by(id) %>% 
    mutate(compare = Return12 - lag(SROE)) 

在[MCVE]有「最小」 ......