如何在data.table中添加延迟并导致每个观察结果中的更多变量排除NA？

library(data.tablE)
mydt <- data.table(id = LETTERS[1:6],x = 1:6,y = 2:3) 
> mydt
   id x y
1:  A 1 2
2:  B 2 3
3:  C 3 2
4:  D 4 3
5:  E 5 2
6:  F 6 3

我想用增加滞后的值替换值列,并导致每次观察(即x [-1] x x [1]).我可以使用惊人的shift()功能做这样的事情.

cols <- c('x','y')
mydt[,(cols) := shift(.SD,1) + .SD + shift(.SD,1,type = 'lead'),.SDcols = cols
][]
   id  x  y
1:  A NA NA
2:  B  6  7
3:  C  9  8
4:  D 12  7
5:  E 15  8
6:  F NA NA

但是这会为没有超前/滞后值的行引入NA.如何修改计算以仅对这些行使用可用的两个值(如na.rm = TRUE)？这样输出就可以了

id  x  y
1:  A  3  5
2:  B  6  7
3:  C  9  8
4:  D 12  7
5:  E 15  8
6:  F 11  5

我尝试使用sum(…,na.rm = TRUE)而不是运算符,但这给出了错误：总和错误(shift(.SD,1),. SD,shift(.SD,type =“lead) “),na.rm = TRUE)：
  参数的’type'(列表)无效.

我也试过以下但是显然会给出其他的东西.

@H_508_21@mydt[,(cols) := lapply( .SD,function(X) sum(shift(x,x,shift(x,na.rm = TRUE) ),.SDcols = cols ][] id x y 1: A 126 90 2: b 126 90 3: C 126 90 4: D 126 90 5: E 126 90 6: F 126 90