R语言：计算纵向区县数据集中各区县首次停电的间隔年数

给定纵向数据集，其中blackout字段标记区县当年是否经历过至少一次停电，需要统计每个区县首次停电的年份计数（从观测的第一年开始数），全程未停电的区县记为5。

原始数据集 #

df <- data.frame(district= rep(c(1000:1003), each=4),
                 year= rep(c(2000:2003), rep=4),
                 blackout= c(0,0,1,1,0,0,0,0,1,1,1,1,0,1,0,1))

目标输出 #

df.1 <- data.frame(district= c(1000:1003),
                 time= c(3,5,1,2))

解决方案 #

方法1：使用dplyr包（直观易读） #

先加载dplyr，按区县分组后给每个区县的观测年份按顺序编号，再提取首次停电的年份序号；若无停电记录则返回5。

library(dplyr)

df.1 <- df %>%
  group_by(district) %>%
  # 给每个区县的年份按观测顺序编1-4的序号
  mutate(year_count = row_number()) %>%
  summarize(
    time = ifelse(any(blackout == 1), 
                  min(year_count[blackout == 1]), 
                  5)
  ) %>%
  ungroup()

方法2：基础R实现（无需额外包） #

利用aggregate函数按区县分组，自定义函数查找首次停电的位置，无记录则返回5。

df.1 <- aggregate(blackout ~ district, data = df, FUN = function(x) {
  # 找到第一个blackout=1的索引
  first_blackout <- which(x == 1)[1]
  # 无停电则返回5，否则返回索引值
  if (is.na(first_blackout)) 5 else first_blackout
})
# 重命名列名匹配目标格式
names(df.1)[2] <- "time"

两种方法运行后都会得到符合要求的目标数据集。

内容的提问来源于stack exchange，提问作者YouLocalRUser