在R中为每个参与者每日的最后观测值创建新变量

我有一份纵向数据，参与者每日多次报告，持续多日。id代表参与者，day代表日期，index代表每个参与者的观测时机。模拟数据如下：

id<-rep(1:20, each=16)
index<-rep(1:16, times=20)
day<-rep(rep(1:4, each=4), times=20)

mock_df<-data.frame(id, index, day)

模拟数据中每个参与者每日提交4次报告，共4天。实际数据为非平衡数据，参与者的报告天数和每日报告次数各不相同。

我需要创建一个新变量last，用于标记每个参与者每日的最后一次观测时机，期望输出示例：

id index day last
   1     1   1  0
   1     2   1  0
   1     3   1  0
   1     4   1  1
   1     5   2  0
   1     6   2  0
   1     7   2  0
   1     8   2  1
   1     9   3  0
  ...

我尝试了以下代码，但为所有行生成了值为10的变量（推测是因为实际数据中参与者报告了10天）：

mock_df <- mock_df |>
group_by(id) |>
mutate(last=day[which.max(day)]) |>
ungroup()

你的核心问题是分组逻辑错误：仅按id分组会定位到每个参与者的最后一天，而非单日的最后一次观测。需要同时按id和day分组，再标记每组内的最后一条记录。

方法1：基于行号的标记（dplyr） #

library(dplyr)

mock_df <- mock_df |>
  group_by(id, day) |>
  mutate(last = ifelse(row_number() == n(), 1, 0)) |>
  ungroup()

• group_by(id, day)：将数据拆分到「单个参与者+单日」的分组中
• row_number() == n()：判断当前行是否是分组内的最后一行（n()返回该分组的总记录数）
• 通过ifelse将最后一行标记为1，其余为0

方法2：基于观测索引的标记（更适配非平衡数据） #

如果实际数据中index是严格按观测时间递增的，也可以用index判断当日最后一次观测：

mock_df <- mock_df |>
  group_by(id, day) |>
  mutate(last = ifelse(index == max(index), 1, 0)) |>
  ungroup()

这种写法更鲁棒，即使单日观测次数不固定或存在数据缺失，只要index是顺序递增的，就能正确识别当日最后一条记录。

结果验证 #

运行上述代码后，模拟数据中每个参与者每天的第4条记录（index=4、8、12、16）会被标记为1，其余为0，完全符合预期输出。

内容的提问来源于stack exchange，提问作者Sointu