基于双样本日期设置dp_flag的R代码问题排查

问题重现 #

假设我们有如下数据表，其中包含DT_after_year为NA的行，原代码生成的dp_flag在NA行无法按预期提前一个月终止：

library(data.table)
library(lubridate)

# 示例数据
dt.all <- data.table(
  Id = 1:3,
  Status = c("DP", "DP", "DP"),
  Type = c(2, 11, 3),
  P_ID = c("A", "B", "C"),
  Id2 = c("A", "B", "C"),
  StatusDate = as.Date(c("2020-01-01", "2021-03-01", "2019-06-01")),
  DT_after_year = as.Date(c("2023-12-01", NA, "2024-05-01")),
  dp_flag_curr = c(1, 1, 1)
)

# 原问题代码
dt.all[, dp_date := StatusDate - years(1)]
dt.all[, end_date := DT_after_year - months(1)]
dt.all[, dp_flag := as.integer(
  Status == "DP" &
    Type %in% c(1,2,3,4,5,11,13) &
    P_ID == Id2 &
    DT_after_year >= StatusDate &
    (dp_date <= Sys.Date() & Sys.Date() <= end_date)
)]

# 原输出（存在问题）
dt.all[, .(Id, DT_after_year, end_date, dp_flag)]
#    Id DT_after_year   end_date dp_flag
# 1:  1    2023-12-01 2023-11-01       0
# 2:  2           <NA>       <NA>      NA
# 3:  3    2024-05-01 2024-04-01       1

可见第2行的dp_flag为NA，而非预期的0（假设当前日期为2024-04-01，属于dp_flag_curr的最后一个月）。

问题排查 #

1. NA的逻辑传递：当DT_after_year为NA时，end_date = DT_after_year - months(1)会生成NA，导致Sys.Date() <= end_date返回NA，最终整个条件表达式返回NA，as.integer(NA)仍为NA。
2. 未定义NA的业务规则：原代码未明确DT_after_year为NA时的end_date取值逻辑，无法判断当前是否处于dp_flag_curr的最后一个月。

解决方案 #

核心是显式处理NA的日期值，定义DT_after_year为NA时的end_date规则，同时修正逻辑判断中的NA传递问题：

# 修正后的代码
dt.all[, dp_date := StatusDate %m-% years(1)]

# 处理NA的end_date：
# - 若DT_after_year非NA：取DT_after_year前一个月的最后一天
# - 若DT_after_year为NA：假设当前是dp_flag_curr的最后一个月，取上上个月的月末作为end_date
dt.all[, end_date := fifelse(
  is.na(DT_after_year),
  floor_date(Sys.Date(), "month") %m-% months(2),
  floor_date(DT_after_year %m-% months(1), "month")
)]

# 生成dp_flag，强制将NA逻辑转为FALSE
dt.all[, dp_flag := as.integer(
  Status == "DP" &
    Type %in% c(1,2,3,4,5,11,13) &
    P_ID == Id2 &
    (is.na(DT_after_year) | DT_after_year >= StatusDate) & # NA时跳过日期比较
    dp_date <= Sys.Date() &
    Sys.Date() <= end_date
)]

# 修正后输出（当前日期假设为2024-04-01）
dt.all[, .(Id, Status, Type, dp_flag_curr, dp_date, end_date, dp_flag)]

期望输出 #

Id Status Type dp_flag_curr    dp_date   end_date dp_flag
1:  1     DP    2            1 2019-01-01 2023-11-30       0
2:  2     DP   11            1 2020-03-01 2024-02-29       0
3:  3     DP    3            1 2018-06-01 2024-04-30       1

逻辑说明 #

• 第1行：DT_after_year为2023-12-01，end_date为2023-11-30，当前日期2024-04-01超出范围，dp_flag为0（符合“最后一个月除外”要求）。
• 第2行：DT_after_year为NA，按规则设end_date为2024-02-29，当前日期超出范围，dp_flag为0（视为已进入最后一个月）。
• 第3行：DT_after_year为2024-05-01，end_date为2024-04-30，当前日期在范围内，dp_flag为1。

内容的提问来源于stack exchange，提问作者Bambeil