R语言：按id分组，判断最近一个月的product_code是否为历史未出现值

我有一个数据集，每个ID随时间会接收不同的product_code，date字段跨度近10年。需要识别每个ID在其product_code记录的最近一个月内，是否出现了历史记录中从未有过的product_code。

数据示例 #

原始数据创建代码 #

df <- data.frame(id=c(1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4),
           product_code=c("178","321","252","147","178","321","252","147","178","322","253","698",
                  "411","322","253","670"),
           date=c("2022-10-10","2022-10-10","2022-10-10","2022-10-10","2022-11-10","2022-11-10","2022-11-10",
                 "2022-11-10","2022-12-10","2022-12-10","2022-12-10","2022-12-10","2023-02-10",
                 "2023-02-10","2023-02-10","2023-02-10") )

按ID排序后的数据 #

df %>% arrange(id)
   id product_code       date
1   1          178 2022-10-10
2   1          178 2022-11-10
3   1          178 2022-12-10
4   1          411 2023-02-10
5   2          321 2022-10-10
6   2          321 2022-11-10
7   2          322 2022-12-10
8   2          322 2023-02-10
9   3          252 2022-10-10
10  3          252 2022-11-10
11  3          253 2022-12-10
12  3          253 2023-02-10
13  4          147 2022-10-10
14  4          147 2022-11-10
15  4          698 2022-12-10
16  4          670 2023-02-10

预期输出 #

id new_product_code
1                1
2                0
3                0
4                1

错误代码及问题分析 #

我尝试用以下代码但无法得到正确结果：

df %>% 
  group_by(id) %>% 
  mutate(new_product_code=if_else(any(product_code[date>max(date)-30]) %in%
                                    product_code[date<max(date)-30],1,0)) %>% 
  select(id,new_product_code)

问题出在三点：

1. 日期类型未转换：原数据的date是字符串，max(date)-30会按字符串运算，无法得到正确的时间范围
2. 逻辑判断反向：需求是检查最近一个月的编码是否有从未在历史出现过的，但代码判断的是最近一个月的编码是否在历史里，逻辑完全相反
3. 结果处理错误：mutate会给每一行生成结果，最终会得到重复的ID记录，而我们需要每个ID一行的汇总结果

正确解决方案 #

先将date转换为日期类型，再分组后通过对比最近一个月和历史的产品编码集合来判断：

library(dplyr)

# 转换日期类型，分组处理
df %>%
  mutate(date = as.Date(date)) %>%
  group_by(id) %>%
  summarise(
    # 计算最近一个月的起始日期
    recent_month_start = max(date) - 30,
    # 提取最近一个月的所有产品编码（去重）
    recent_products = list(unique(product_code[date >= recent_month_start])),
    # 提取历史所有产品编码（最近一个月之前，去重）
    history_products = list(unique(product_code[date < recent_month_start])),
    # 判断是否有最近的产品不在历史中
    new_product_code = as.integer(any(!unlist(recent_products) %in% unlist(history_products)))
  ) %>%
  select(id, new_product_code)

运行后会得到完全符合预期的输出。

内容的提问来源于stack exchange，提问作者Alex