在R语言中基于多变量滞后组合创建CEO集团经验哑变量

需求说明 #

基于包含date、employee、company、rolename、company_conglomerate字段的员工数据，生成哑变量CEO_prior_conglomerate_experience，规则如下：

• 若当前记录为CEO职位：检查该员工在此记录日期之前是否有过company_conglomerate=1的工作经验，有则赋值1，无则赋值0
• 非CEO记录直接赋值0

实现方案（dplyr版） #

使用dplyr包按员工分组处理时间序列数据，步骤清晰易读：

1. 加载依赖包

library(dplyr)

2. 数据处理逻辑（假设数据框名为employee_data）

employee_data <- employee_data %>%
  # 按员工分组，确保单员工记录单独处理
  group_by(employee) %>%
  # 按日期升序排列，保证时间顺序正确
  arrange(date, .by_group = TRUE) %>%
  mutate(
    # 计算当前记录前，员工累计的集团工作经验次数（当前记录不计入）
    prior_conglomerate_count = lag(cumsum(company_conglomerate == 1), default = 0),
    # 生成目标哑变量
    CEO_prior_conglomerate_experience = case_when(
      rolename == "CEO" & prior_conglomerate_count >= 1 ~ 1,
      TRUE ~ 0
    )
  ) %>%
  # 移除临时中间变量（可选）
  select(-prior_conglomerate_count) %>%
  ungroup()

实现方案（data.table版） #

如果处理大数据量，data.table的效率更高：

1. 加载依赖包

library(data.table)

2. 数据处理逻辑

setDT(employee_data)
# 按员工分组，按日期排序后计算累计集团经验（当前记录前）
employee_data[order(date), 
  prior_conglomerate_count := shift(cumsum(company_conglomerate == 1), fill = 0), 
  by = employee]
# 生成目标变量
employee_data[, CEO_prior_conglomerate_experience := fifelse(rolename == "CEO" & prior_conglomerate_count >= 1, 1, 0)]
# 移除临时变量
employee_data[, prior_conglomerate_count := NULL]

注意事项 #

• 确保date字段为日期格式，若不是可先用employee_data$date <- as.Date(employee_data$date)转换，否则排序会出错
• 若同一员工同一天有多条记录，需根据实际业务逻辑调整排序规则（比如增加职位优先级排序）

内容的提问来源于stack exchange，提问作者fsure