如何基于分组变量创建触发后值保持不变的滞后二元变量

原始数据 #

ID  visit  Switch
1    1       0
1    2       1
2    1       1
2    2       0
3    1       NA
3    2       1
3    3       0
3    4       0
4    1       1

生成NewVar的规则 #

• 仅拥有1条访视记录的ID，NewVar设为NA
• 存在多条访视记录的ID：
  • 一旦Switch出现1，后续所有访视的NewVar均为1
  • 若Switch初始为0且后续全为0或NA，后续NewVar均为0
  • 记录本身是Switch=1的行，或者该行之前未出现过1且存在NA的情况，NewVar设为NA

期望输出结果 #

ID  visit  Switch NewVar
1    1       0      NA
1    2       1      NA
2    1       1      NA
2    2       0      1
3    1       NA     NA
3    2       1      NA
3    3       0      1
3    4       0      1
4    1       1      NA

现有代码问题 #

用户尝试了以下代码，但处理访视次数超过2次的ID（如ID=3）时结果错误，ID=3的第4行NewVar被设为0，不符合期望：

dtmults = dt %>% distinct(ID,visits) %>% group_by(ID) %>% filter(n()>1) %>% arrange(ID)

dt %>% 
filter(ID %in% dtmults$ID) %>% 
arrange(ID, visits) %>% 
group_by(ID) %>% 
mutate(var = Switch, var2 = lag(switch), var3 = var2) %>%
fill(var3,.direction="down") %>% rename(NewVar = var3)

解决方案代码 #

library(dplyr)

dt %>%
  arrange(ID, visit) %>%
  group_by(ID) %>%
  mutate(
    # 标记当前ID是否有多条访视记录
    has_multiple = n() > 1,
    # 找到当前ID中第一次出现Switch=1的访视序号，无则返回Inf
    first_switch_1 = min(visit[Switch == 1], na.rm = TRUE),
    # 按规则生成NewVar
    NewVar = case_when(
      # 单条记录直接设NA
      !has_multiple ~ NA_real_,
      # Switch=1的行，或首次出现1之前的NA行，设NA
      Switch == 1 | (is.na(Switch) & visit < first_switch_1) ~ NA_real_,
      # 首次出现1之后的所有行，设为1
      visit > first_switch_1 ~ 1,
      # 所有Switch都是0/NA的ID，除首行外设0
      all(Switch %in% c(0, NA), na.rm = TRUE) & visit > first(visit) ~ 0,
      # 其他情况默认NA
      TRUE ~ NA_real_
    )
  ) %>%
  # 清理临时变量
  select(-has_multiple, -first_switch_1) %>%
  ungroup()

代码说明 #

1. first_switch_1：定位每个ID中第一次出现Switch=1的访视号，没有的话返回Inf，用于后续判断行是否在首次出现1之后。
2. case_when逻辑：
   • 优先处理单条记录的NA情况
   • 标记Switch=1本身的行，以及首次出现1之前的NA行为NA
   • 只要行的访视号大于首次出现1的位置，直接设为1，确保后续所有行保持1，解决了之前fill方法无法持续填充1的问题
   • 最后处理全为0/NA的ID，后续行设0
3. 最后移除临时变量，得到符合要求的结果。

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