使用dplyr按id分组构建core变量：标记首次观测产品及后续记录

原始数据 #

定义原始数据框df：

df <- data.frame(year = c("2000", "2000", "2000", "2002", "2007", "2001", "2002", "2003", "2007"), 
                 id = c("X", "X", "X", "X", "X", "Z", "Z", "Z", "Z"), 
                 product = c("apple","orange", "melon", "orange", "orange", "orange", "orange", "orange", "truffels"), 
                 market = c("CHN", "USA", "USA", "CAN", "USA", "USA", "USA", "USA", "ECU"), 
                 value = c(1, 2, 3, 4, 5, 6, 7, 8, 9))

需求说明 #

按id分组构建core变量：

• 若当前行的product属于该id首次观测年份中出现的所有产品集合，则core取值为1
• 否则取值为0

期望输出的df_new如下：

df_new <- data.frame(year = c("2000", "2000", "2000", "2002", "2007", "2001", "2002", "2003", "2007"), 
                 id = c("X", "X", "X", "X", "X", "Z", "Z", "Z", "Z"), 
                 product = c("apple","orange", "melon", "orange", "orange", "orange", "orange", "orange", "truffels"), 
                 market = c("CHN", "USA", "USA", "CAN", "USA", "USA", "USA", "USA", "ECU"), 
                 value = c(1, 2, 3, 4, 5, 6, 7, 8, 9),
                 core= c(1, 1, 1, 1, 1, 1, 1, 1, 0)
)

之前尝试的问题 #

此前使用的代码：

df_new <- df %>% group_by(product, id) %>% mutate(core = +(year == min(year)))

仅能标记每个id-product组合的首次出现年份，无法满足“判断产品是否属于该id首次观测的产品集合”的核心需求。

正确的dplyr实现方案 #

实现逻辑 #

1. 按id分组，计算每个分组的最早观测年份
2. 基于最早年份，提取该分组下的所有产品，形成核心产品集合
3. 对每一行的product判断是否属于核心集合，将布尔值转为1/0的core变量

代码实现 #

library(dplyr)

df_new <- df %>%
  group_by(id) %>%
  # 计算当前id的最早观测年份
  mutate(min_year = min(year)) %>%
  # 提取最早年份对应的所有产品，存入列表列
  mutate(core_products = list(product[year == min_year])) %>%
  # 判断当前产品是否在核心集合中，转为1/0数值
  mutate(core = +(product %in% core_products)) %>%
  # 移除中间辅助变量
  select(-min_year, -core_products) %>%
  ungroup()

运行后输出结果与期望的df_new完全一致。

内容的提问来源于stack exchange，提问作者vog