要按组计算拉格值，可以使用Python的pandas库来处理数据。下面是一个示例代码，说明如何使用不完整和不规则的时间变量来计算按组的拉格值。

import pandas as pd

# 创建示例数据
data = {'date': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03', '2021-01-03'],
        'group': ['A', 'B', 'A', 'B', 'A', 'B'],
        'value': [1, 2, 3, 4, 5, 6]}
df = pd.DataFrame(data)

# 将'date'列转换为日期类型
df['date'] = pd.to_datetime(df['date'])

# 按组和日期排序数据
df = df.sort_values(['group', 'date'])

# 计算按组的拉格值
df['lag_value'] = df.groupby('group')['value'].shift()

print(df)

输出结果：

        date group  value  lag_value
0 2021-01-01     A      1        NaN
2 2021-01-02     A      3        1.0
4 2021-01-03     A      5        3.0
1 2021-01-01     B      2        NaN
3 2021-01-02     B      4        2.0
5 2021-01-03     B      6        4.0

在上面的示例中，我们首先创建了一个包含日期、组和值的示例数据框。然后，我们使用pd.to_datetime()函数将'date'列转换为日期类型，以便能够按日期排序数据。接下来，我们使用sort_values()函数按组和日期对数据进行排序。

最后，我们使用groupby()函数将数据按组进行分组，并使用shift()函数计算每个组的拉格值。拉格值是指前一个时间点的值，这里使用shift()函数将值向上移动一行，以得到按组的拉格值。最终，我们将拉格值存储在新的'lag_value'列中。

请注意，上述代码只是一个示例，你可以根据你的实际数据和需求进行相应的修改。