R语言dplyr中case_when+which.max处理分组数据问题

问题规则 #

需要基于以下逻辑生成out列：

• 当cycle为M且estimate为空字符串时，out=1
• 当cycle为M且estimate非空字符串时，out=0
• 当cycle为O时，回溯最近的cycle=M行，若该行estimate为空则out=1，否则为0

可行代码实现 #

使用dplyr和tidyr包完成需求，代码如下：

library(dplyr)
library(tidyr)

# 假设数据集名为df
df |>
  group_by(item) |>
  # 为M行初始化临时结果，O行设为NA
  mutate(temp_out = case_when(
    cycle == "M" & estimate == "" ~ 1L,
    cycle == "M" & estimate != "" ~ 0L,
    TRUE ~ NA_integer_
  )) |>
  # 向下填充NA，让O行继承最近的M行的状态
  fill(temp_out, .direction = "down") |>
  # 生成最终out列并移除临时列
  mutate(out = temp_out) |>
  select(-temp_out) |>
  ungroup()

代码逻辑说明 #

1. 初始化临时列：直接处理所有cycle=M的行，按规则赋值1或0；cycle=O的行暂时标记为NA。
2. 向下填充NA：fill()函数会自动将每个O行的NA替换为最近的上方M行的temp_out值，精准实现"回溯最近M行"的需求。
3. 整理结果：将临时列重命名为out，移除临时列完成处理。

原代码问题分析 #

你之前的代码中cycle == "O" & which.max(cycle == "M" & estimate == "") ~ 1存在逻辑错误：

• which.max()返回的是整个分组内第一个满足cycle=M且estimate为空的行号，而非当前O行之前的最近M行，无法匹配每个O行对应的回溯结果。

验证结果 #

运行上述代码后，你的数据集将得到期望的out列：c(0, 0, 0, 0, 0, 0, 1)

内容的提问来源于stack exchange，提问作者jvalenti