使用dplyr按id分组并基于时间条件判断重复product_code的问题

原代码问题分析 #

原代码存在两处关键错误：

• 错误使用any()：any(product_code[date>max(date)-30])会将产品编码向量转为布尔值（仅判断是否存在非空元素），再用该布尔值与历史编码向量做%in%匹配，完全偏离需求逻辑。
• 逻辑方向与期望结果相反：原代码判断的是「最后一个月的编码是否在历史记录中出现过」，但实际需要判断的是「最后一个月是否存在从未在历史中出现过的新编码」。

正确代码实现 #

用dplyr的summarize直接按组聚合计算，代码更简洁高效：

library(dplyr)

df %>%
  group_by(id) %>%
  summarize(
    new_product_code = as.integer(
      # 核心逻辑：判断最后一个月的编码中是否存在不在历史记录里的新编码
      any(!product_code[date > max(date) - 30] %in% product_code[date <= max(date) - 30])
    )
  ) %>%
  ungroup()

代码逻辑说明 #

1. 按id分组，计算每个ID的最晚日期max(date)，以此界定「最后一个月」的时间范围（max(date)-30之后）。
2. 提取最后一个月的产品编码集合，与历史（最后一个月之前）的编码集合做对比。
3. 判断是否存在不在历史集合中的新编码，存在则标记为1，否则为0，用as.integer()将布尔值转为数字。
4. 输出每个ID的唯一结果。

运行结果 #

执行代码后输出与期望完全一致：

# A tibble: 4 × 2
     id new_product_code
  <dbl>            <int>
1     1                1
2     2                0
3     3                0
4     4                1

内容的提问来源于stack exchange，提问作者Alex