如何在data.table中按条件生成含最早日期的新列

数据 #

library(data.table)
ALPHA_DEF <- c("ABCD","EFGH")

DT <- data.table(
      ID = c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L),
   C_OPR = c("ABCD01", "ABCD11", NA, "EFGH", NA, NA, "KLMN", NA),
   D_OPR = c(NA, NA, "PQRST", NA, "EFGHIJ", NA, NA, NA),
    DATE = c("2002-02-02","2005-05-05","2001-01-01",
             "2003-03-03","2004-04-04",NA,"2001-01-01",NA))

DT

输出结果：

ID  C_OPR  D_OPR       DATE
1:  1 ABCD01   <NA> 2002-02-02
2:  1 ABCD11   <NA> 2005-05-05
3:  1   <NA>  PQRST 2001-01-01
4:  2   EFGH   <NA> 2003-03-03
5:  2   <NA> EFGHIJ 2004-04-04
6:  2   <NA>   <NA>       <NA>
7:  3   KLMN   <NA> 2001-01-01
8:  3   <NA>   <NA>       <NA>

期望输出 #

ID  C_OPR  D_OPR       DATE ALPHA ALPHA_MIN_DATE
1:  1 ABCD01   <NA> 2002-02-02     1     2002-02-02
2:  1 ABCD11   <NA> 2005-05-05     1     2002-02-02
3:  1   <NA>  PQRST 2001-01-01     1     2002-02-02
4:  2   EFGH   <NA> 2003-03-03     1     2003-03-03
5:  2   <NA> EFGHIJ 2004-04-04     1     2003-03-03
6:  2   <NA>   <NA>       <NA>     1     2003-03-03
7:  3   KLMN   <NA> 2001-01-01     0           <NA>
8:  3   <NA>   <NA>       <NA>     0           <NA>

逻辑规则 #

• 按ID分组，若该ID下任意C_OPR或D_OPR包含ALPHA_DEF中的元素，ALPHA列值为1，否则为0；
• ALPHA_MIN_DATE为该ID下满足ALPHA条件的记录中的最小DATE值，不满足则为NA。

已有尝试（未实现ALPHA_MIN_DATE） #

DT[, ALPHA := +any( grepl(paste0(ALPHA_DEF, collapse="|"),c(D_OPR, C_OPR)), by=ID]

解决方案 #

library(data.table)
ALPHA_DEF <- c("ABCD","EFGH")
# 构建正则模式，匹配以ALPHA_DEF元素开头的字符串
pattern <- paste0("^(", paste(ALPHA_DEF, collapse = "|"), ")")

DT[, c("ALPHA", "ALPHA_MIN_DATE") := {
  # 标记每条记录是否匹配ALPHA_DEF，NA值视为不匹配
  match_flag <- grepl(pattern, C_OPR, na.rm = TRUE) | grepl(pattern, D_OPR, na.rm = TRUE)
  # 分组判断是否存在匹配项，将逻辑值转为0/1
  alpha_val <- +any(match_flag)
  # 计算匹配记录中的最小日期，无匹配则设为NA
  min_date <- if (alpha_val) {
    min(DATE[match_flag & !is.na(DATE)], na.rm = TRUE)
  } else {
    NA_character_
  }
  # 返回两列结果
  list(alpha_val, min_date)
}, by = ID]

# 查看最终结果
DT

代码说明 #

1. 正则模式构建：用^限定匹配开头，避免误匹配包含但不以ALPHA_DEF元素开头的内容；
2. 匹配标记：逐行判断C_OPR或D_OPR是否符合规则，na.rm = TRUE处理NA值，避免判断出错；
3. 分组计算：
   • alpha_val通过+any(match_flag)将逻辑值转换为0/1格式；
   • min_date仅在存在匹配项时，提取对应非空DATE的最小值，否则设为NA_character_，保持与原DATE列类型一致。

内容的提问来源于stack exchange，提问作者hklovs