在R中对分组数据循环生成条件新变量的实现方法

我有两个数据框，一个以id作为主键，另一个是长格式数据。将二者合并后得到长格式数据（该操作可还原）。我已经按id对数据进行分组，希望遍历每个分组，基于特定条件为组内每行生成新变量：

• 若组内存在sdx为TRUE的行，new_variable为当前行与前一行date的时间差，组内第一行赋值为0；
• 若组内没有sdx为TRUE的行，new_variable赋值为NA。

示例数据如下：

df <- data.frame(structure(
  list(id = c("0000", 
              "0000", "0000", 
              "0001", "0001", 
              "0001", "0002", 
              "0002", "0002", 
              "0002"),  
       sex = c("F", "F", "F", "F", "F", "F", "F", "F", "F", "F"), 
       age_fcat = structure(c(5L, 5L, 5L, 2L, 2L, 2L, 4L, 4L, 4L, 
                              4L), levels = c("18-34", "35-44", "45-54", "54-64", "65+"
                              ), class = "factor"), 
       avg_s = c(161, 
                 161, 155.666666666667, 146, 140, 144, 139, 173, 152.875, 
                 156.5), 
       alx = c(88, 88, 90.3333333333333, 76, 78, 
               73, 86, 97, 82, 97.2), 
       date = seq(as.Date("1990/1/1"), as.Date("1999/1/1"), "years"),
       sdx = c(TRUE, 
               TRUE, TRUE, FALSE, FALSE, FALSE, TRUE, TRUE, TRUE, TRUE)
  )))

使用dplyr包的分组操作可高效实现需求，代码如下：

library(dplyr)

result_df <- df %>%
  group_by(id) %>%
  mutate(
    new_variable = ifelse(any(sdx), 
                          c(0, diff(date)), 
                          NA_real_)
  ) %>%
  ungroup()

print(result_df)

代码说明 #

• group_by(id)：按id分组，对每个用户的数据单独处理；
• any(sdx)：判断当前组内是否存在sdx为TRUE的行；
• diff(date)：计算相邻行date的时间差（以天为单位），组内第一行用0填充；
• ifelse：根据组内是否有sdx=TRUE分配值，无符合条件行则赋值为NA；
• ungroup()：取消分组状态，回归普通数据框格式。

预期结果 #

处理后的数据呈现以下特征：

• id=0000和id=0002组存在sdx=TRUE的行，new_variable第一行为0，后续行均为365（因示例中日期间隔为1年）；
• id=0001组无sdx=TRUE的行，new_variable全部为NA。

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