使用dplyr的方法。
我解释这个问题，即公式应该以A == "Standard"为单位分组应用，因此假设数据集已经相应地排序。

library(dplyr)
df %>% 
  mutate(log = A %in% "Standard", grp = cumsum(log)) %>% 
  mutate(D = ifelse(!is.na(C), (B[log]/16)*C, NA), .by = grp) %>% 
  select(-c(grp, log))
         A  B  C       D
1 Standard  2 NA      NA
2    Data1 NA  4  0.5000
3    Data2 NA  8  1.0000
4    Data3 NA 16  2.0000
5 Standard  3 NA      NA
6    Data4 NA  9  1.6875
7    Data5 NA 27  5.0625
8    Data6 NA 81 15.1875

library(tidyverse)
 df %>%
   fill(B)%>%
   mutate(D = B * C/16)
         A B  C       D
1 Standard 2 NA      NA
2    Data1 2  4  0.5000
3    Data2 2  8  1.0000
4    Data3 2 16  2.0000
5 Standard 3 NA      NA
6    Data4 3  9  1.6875
7    Data5 3 27  5.0625
8    Data6 3 81 15.1875

在碱R中：

transform(df, D = B[cummax(seq_along(B)*!is.na(B))]*C/16)
         A  B  C       D
1 Standard  2 NA      NA
2    Data1 NA  4  0.5000
3    Data2 NA  8  1.0000
4    Data3 NA 16  2.0000
5 Standard  3 NA      NA
6    Data4 NA  9  1.6875
7    Data5 NA 27  5.0625
8    Data6 NA 81 15.1875

transform(df, D = B[which(!is.na(B))[cumsum(A=='Standard')]] * C/16)
         A  B  C       D
1 Standard  2 NA      NA
2    Data1 NA  4  0.5000
3    Data2 NA  8  1.0000
4    Data3 NA 16  2.0000
5 Standard  3 NA      NA
6    Data4 NA  9  1.6875
7    Data5 NA 27  5.0625
8    Data6 NA 81 15.1875

f <- function(val)Reduce(\(x,y)if(is.na(y))x else y, val, accumulate = TRUE)
transform(df, D = f(B)* C/16)
         A  B  C       D
1 Standard  2 NA      NA
2    Data1 NA  4  0.5000
3    Data2 NA  8  1.0000
4    Data3 NA 16  2.0000
5 Standard  3 NA      NA
6    Data4 NA  9  1.6875
7    Data5 NA 27  5.0625
8    Data6 NA 81 15.1875