R语言中基于虚拟变量的控制月份随机抽取需求

我有一个带唯一id的数据集，结构如下：

structure(list(id = c(1, 2, 3, 4), control_1_2017 = c(1, 0, 1, 0), control_2_2017 = c(1, 0, 1, 0), control_3_2017 = c(1, 1, 1, 0), control_4_2017 = c(1, 0, 1, 1), control_5_2017 = c(0, 1, 1, 0), `Ex of desired output` = c("1_2017", "5_2017", "2_2017", "4_2017")), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, -4L))

每列是虚拟变量（dummy），用于标识对应id是否可在该月份作为控制组。需求如下：

• 每个id若存在多个取值为1的符合条件月份，随机抽取一个
• 若仅存在一个符合条件的月份，直接选择该月份
• 输出的月份格式需与列名中的格式一致（如1_2017）
• 数据集可能包含跨多年的大量月份及多个id

使用tidyverse工具包可高效处理这类需求，代码如下：

# 加载工具包
library(tidyverse)

# 定义数据集（实际使用时替换为你的数据集）
df <- structure(list(id = c(1, 2, 3, 4), control_1_2017 = c(1, 0, 1, 0), control_2_2017 = c(1, 0, 1, 0), control_3_2017 = c(1, 1, 1, 0), control_4_2017 = c(1, 0, 1, 1), control_5_2017 = c(0, 1, 1, 0), `Ex of desired output` = c("1_2017", "5_2017", "2_2017", "4_2017")), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, -4L))

# 核心处理流程
result <- df %>%
  # 移除示例输出列（实际数据无此列可删除该行）
  select(-`Ex of desired output`) %>%
  # 宽格式转长格式，拆分月份列与 eligibility 值
  pivot_longer(
    cols = starts_with("control_"),
    names_to = "month",
    values_to = "is_eligible"
  ) %>%
  # 筛选符合条件的行（虚拟变量为1）
  filter(is_eligible == 1) %>%
  # 提取目标月份格式（去掉control_前缀）
  mutate(month = str_remove(month, "^control_")) %>%
  # 按id分组，随机抽取1行（组内仅1行时直接保留）
  group_by(id) %>%
  slice_sample(n = 1) %>%
  ungroup() %>%
  # 整理结果列
  select(id, selected_month = month)

# 查看结果
print(result)

代码说明 #

• pivot_longer：将宽格式的多月份列转换为长格式，便于后续过滤与抽样操作
• str_remove：剔除列名中的control_前缀，生成要求的数字_年份格式
• slice_sample(n=1)：按id分组后随机抽取1行，自动适配组内仅1行的场景
• 代码可兼容大规模数据集，处理效率稳定

内容的提问来源于stack exchange，提问作者R novice