求助：为每个product_id组的最后一条观测值生成哑变量

首先要注意：你的Date列目前是字符格式，必须先转换成日期类型，不然没法正确判断日期的先后顺序。下面给两种实现方法，按需选择：

方法一：用dplyr包（tidyverse风格） #

library(dplyr)

# 转换日期格式，按product_id分组后标记最新记录
df_processed <- df %>%
  mutate(Date = as.Date(Date, format = "%d-%m-%Y")) %>%
  group_by(product_id) %>%
  mutate(is_last = ifelse(Date == max(Date), 1, 0)) %>%
  ungroup()

# 查看处理后的数据
print(df_processed)

方法二：基础R实现（无需额外包） #

# 先把字符型日期转成日期格式
df$Date <- as.Date(df$Date, format = "%d-%m-%Y")

# 按product_id分组，每组内按日期降序排序
df_sorted <- df[order(df$product_id, -as.numeric(df$Date)), ]

# 每组的第一条就是最新记录，标记为1，重复的product_id标记为0
df_sorted$is_last <- as.numeric(!duplicated(df_sorted$product_id))

# 可选：恢复原数据的行顺序
df_processed <- df_sorted[order(row.names(df_sorted)), ]

# 查看结果
print(df_processed)

结果说明 #

处理后会新增一列is_last，每个product_id对应的最新日期行取值为1，其余行取值为0。以你的示例数据为例：

• 10000567的最新日期是2020-12-12，对应行is_last=1
• 10000123的最新日期是2020-11-26，对应行is_last=1
• 10000222的最新日期是2020-10-09，对应行is_last=1

内容的提问来源于stack exchange，提问作者user27808