如何在R中基于两个分类变量的滞后条件匹配生成哑变量

根据你给出的规则，核心判断逻辑为：员工当前任职若为同一家公司的连续职位变动则标记为内部晋升（0），其余情况（包括首次入职后离开、从其他公司加入、离开原公司后返回）标记为外部招聘（1）。以下是具体实现步骤：

实现代码 #

# 加载dplyr包（未安装则自动安装）
if (!requireNamespace("dplyr", quietly = TRUE)) {
  install.packages("dplyr")
}
library(dplyr)

# 假设你的数据框名为employee_data
employee_data <- employee_data %>%
  # 按员工分组，确保同一员工的记录按时间顺序排列
  group_by(employee_name) %>%
  arrange(date, .by_group = TRUE) %>%
  # 生成上一条、下一条记录的公司名称，用于判断连续任职状态
  mutate(
    prev_company = lag(company_name),
    next_company = lead(company_name)
  ) %>%
  # 生成outsider_dummy哑变量
  mutate(outsider_dummy = case_when(
    # 上一家公司与当前公司相同→内部晋升
    prev_company == company_name ~ 0,
    # 首次任职且后续仍在同一家公司→内部晋升
    is.na(prev_company) & next_company == company_name ~ 0,
    # 首次任职但后续离开当前公司→外部招聘
    is.na(prev_company) & next_company != company_name ~ 1,
    # 其余情况（上一家公司与当前不同）→外部招聘
    TRUE ~ 1
  )) %>%
  # 取消分组
  ungroup()

规则匹配验证 #

• Morgan（始终在A公司）：所有记录要么是连续同公司，要么是首次任职且后续留任，因此outsider_dummy全为0
• Zoe（先后在B、C公司）：首次任职B后离开，后续任职C与上一家公司不同，因此outsider_dummy全为1
• John（A→A→B→A）：前两条连续同公司标记为0，任职B与上一家A不同标记为1，返回A与上一家B不同标记为1，完全匹配你的描述

内容的提问来源于stack exchange，提问作者fsure