如何在R中基于多条件按客户级创建DEFAULT_DATE列？

先明确你的需求：基于客户分组，给每个客户的所有贷款记录添加DEFAULT_DATE列——如果客户有至少一笔违约贷款，就取该客户最早的违约日期；如果没有违约，就填-。

原始数据集 #

CUSTOMER LOAN DATE LOAN_DEFAULT CUSTOMER_DEFAULT
1 101 201601 Y Y
1 102 201603 N Y
1 101 201501 Y Y
2 201 201601 N N
2 202 201603 N N

预期输出 #

CUSTOMER LOAN DATE LOAN_DEFAULT CUSTOMER_DEFAULT DEFAULT_DATE
1 101 201601 Y Y 201501
1 102 201603 N Y 201501
1 103 201501 Y Y 201501
2 201 201601 N N -
2 202 201603 N N -

下面是两种实用的实现方式：

方法一：使用dplyr（tidyverse风格） #

这是数据处理中最常用的方式，代码可读性高，逻辑清晰：

# 先安装并加载dplyr包（如果还没安装的话）
# install.packages("dplyr")
library(dplyr)

# 第一步：构造你的原始数据集
df <- data.frame(
  CUSTOMER = c(1, 1, 1, 2, 2),
  LOAN = c(101, 102, 101, 201, 202),
  DATE = c(201601, 201603, 201501, 201601, 201603),
  LOAN_DEFAULT = c("Y", "N", "Y", "N", "N"),
  CUSTOMER_DEFAULT = c("Y", "Y", "Y", "N", "N"),
  stringsAsFactors = FALSE
)

# 第二步：分组计算并生成新列
df_result <- df %>%
  group_by(CUSTOMER) %>%  # 按客户ID分组
  mutate(
    DEFAULT_DATE = ifelse(
      any(LOAN_DEFAULT == "Y"),  # 判断当前客户是否有违约记录
      min(DATE[LOAN_DEFAULT == "Y"]),  # 取该客户最早的违约日期
      "-"  # 无违约则填"-"
    )
  ) %>%
  ungroup()  # 取消分组，回到普通数据框

# 查看最终结果
print(df_result)

代码说明： #

• group_by(CUSTOMER)：把数据按客户分组，后续的计算都在客户内部进行
• any(LOAN_DEFAULT == "Y")：快速判断客户是否存在违约贷款
• DATE[LOAN_DEFAULT == "Y"]：筛选出当前客户所有违约贷款的日期，再用min()取最早的那个
• 最后用ungroup()取消分组，避免后续操作受分组影响

方法二：基础R实现 #

如果不想加载额外包，用基础R的ave()函数也能实现：

# 构造原始数据集（和上面一致）
df <- data.frame(
  CUSTOMER = c(1, 1, 1, 2, 2),
  LOAN = c(101, 102, 101, 201, 202),
  DATE = c(201601, 201603, 201501, 201601, 201603),
  LOAN_DEFAULT = c("Y", "N", "Y", "N", "N"),
  CUSTOMER_DEFAULT = c("Y", "Y", "Y", "N", "N"),
  stringsAsFactors = FALSE
)

# 直接生成DEFAULT_DATE列
df$DEFAULT_DATE <- with(df, ave(
  DATE,
  CUSTOMER,
  FUN = function(x) {
    # 获取当前客户对应的所有违约标记
    current_cust <- unique(CUSTOMER)
    default_flags <- LOAN_DEFAULT[CUSTOMER == current_cust]
    # 筛选违约日期
    default_dates <- x[default_flags == "Y"]
    # 判断并返回结果
    if (length(default_dates) > 0) {
      as.character(min(default_dates))  # 转成字符型和"-"统一类型
    } else {
      "-"
    }
  }
))

# 查看结果
print(df)

代码说明： #

• ave()函数可以按指定分组（这里是CUSTOMER）对目标列（这里是DATE）应用自定义函数
• 自定义函数里先筛选当前客户的违约标记，再提取对应的日期，最后判断是否有违约日期并返回对应结果

两种方法都能得到你想要的预期输出，推荐用dplyr的方式，代码更简洁易读，后续维护也方便。

内容的提问来源于stack exchange，提问作者S.Lee