在R语言中如何为面板数据集生成首次资格获取标记变量？

给定面板数据集df1，包含id、year和qualification字段，其中qualification从某一年首次取值为1后持续为1。我们需要生成qualification_first变量，仅在qualification首次为1的年份标记为1，其余年份为0。

示例输入数据 #

df1 <- data.frame(id = c("Tony"),
                  year = 2015:2020,
                  qualification = c(0, 0, 0, 1, 1, 1))

方法一：使用dplyr包（推荐，适配多id分组场景） #

借助dplyr的分组功能，按id定位每组内首次达标年份，再匹配标记：

library(dplyr)

df2 <- df1 %>%
  group_by(id) %>%
  # 找到当前id下qualification为1的最小年份，匹配则标记1，否则0
  mutate(qualification_first = as.integer(year == min(year[qualification == 1], na.rm = TRUE))) %>%
  ungroup()

注：添加na.rm = TRUE可避免部分id从未达标时出现报错。

方法二：基础R实现（无需加载额外包） #

通过tapply计算每组首次达标年份，再逐行匹配生成标记：

# 计算每个id的首次达标年份
first_qual_year <- tapply(
  df1$year[df1$qualification == 1], 
  df1$id[df1$qualification == 1], 
  min
)

# 生成标记变量，未达标id的所有年份自动为0
df1$qualification_first <- as.integer(df1$year == first_qual_year[df1$id])

# 得到目标数据集df2
df2 <- df1

输出结果 #

运行上述代码后，df2的结果如下：

> df2
     id year qualification qualification_first
1 Tony 2015             0                   0
2 Tony 2016             0                   0
3 Tony 2017             0                   0
4 Tony 2018             1                   1
5 Tony 2019             1                   0
6 Tony 2020             1                   0

内容的提问来源于stack exchange，提问作者Injae Jeon