如何结合mutate、if语句与group_by为数据框添加参考人职业列？

原始数据与需求 #

数据构造代码 #

c <- data.frame(HH_ID=c(1,2,3,1,2,3), WORK = c("Worker", "Manager", "Employee", "Employee", "Manager", "Craftsman"), NOI= c(1,1,1,2,2,2))

需求描述 #

新增一列Reference_Work，填入每个家庭中参考人（NOI=1）的职业，期望输出如下：

HH_ID  WORK       NOI  Reference_Work 
1     Worker     1        Worker
2     Manager    1        Manager
3     Employee   1        Employee
1     Employee   2        Worker
2     Manager    2        Manager
3     Craftsman  2        Employee

尝试的错误代码 #

df <- c %>% group_by(HH_ID) %>% mutate(NewVar = if(c$NOI == 2) {coalesce(lag(WORK), lead(WORK))} else {WORK})

错误分析 #

1. 在dplyr分组管道中使用c$NOI会引用整个原始数据框的列，而非当前分组内的列，逻辑错误；
2. 依赖lag/lead获取参考人职业的方式不可靠，若参考人不是分组内的首行/末行，结果会出错。

正确解法 #

解法1：分组直接提取参考人职业 #

利用分组操作，直接提取每组中NOI=1对应的职业值，代码简洁直接：

library(dplyr)

df <- c %>%
  group_by(HH_ID) %>%
  mutate(Reference_Work = WORK[NOI == 1]) %>%
  ungroup()

解法2：构建映射表后关联 #

先提取每个家庭的参考人职业，再通过家庭ID关联回原数据，不依赖行顺序，更稳健：

library(dplyr)

# 生成参考人职业映射表
ref_work_map <- c %>%
  filter(NOI == 1) %>%
  select(HH_ID, Reference_Work = WORK)

# 关联到原数据
df <- c %>% left_join(ref_work_map, by = "HH_ID")

内容的提问来源于stack exchange，提问作者Victor LE FRANC