使用dplyr处理分组数据：获取年份最小时的assignment值生成新变量

你可以使用dplyr包的分组操作实现需求，核心逻辑是按id分组后，提取每个组内最小年份对应的assignment值，再将该值赋给组内所有行的新变量。

代码实现 #

先加载dplyr包（未安装的话先执行install.packages("dplyr")），再处理数据集：

library(dplyr)

# 原数据集
id <- c(1,1,1,2,2,2)
year <- c(2012, 2013, 2014, 2012, 2013, 2014)
assignment <- c(0,1,1,0,0,0)
df <- cbind.data.frame(id, year, assignment)

# 生成新变量
df <- df %>%
  group_by(id) %>%
  # 提取当前组最小年份对应的assignment值，[1]避免同组多最小年份行返回多值
  mutate(initial_assignment = assignment[year == min(year)][1]) %>%
  ungroup()

操作说明 #

• group_by(id)：按id拆分数据集，后续操作仅在每个id的子集中执行。
• assignment[year == min(year)]：定位当前组内年份最小的行，提取对应的assignment值；添加[1]是为了处理同组存在多个最小年份行的边界情况，确保只取一个值。
• ungroup()：取消分组结构，恢复数据集的常规格式（可根据后续需求选择是否保留分组）。

执行后新增的initial_assignment列会符合预期：

• id=1的所有行值为0（对应2012年的assignment）
• id=2的所有行值为0（对应2012年的assignment）

替代写法（更直观） #

用slice_min直接筛选每组最小年份的行，再提取assignment值：

df <- df %>%
  group_by(id) %>%
  mutate(initial_assignment = slice_min(., year, n=1, with_ties=FALSE) %>% pull(assignment)) %>%
  ungroup()

• slice_min(., year, n=1, with_ties=FALSE)：在每组内仅取年份最小的1行（with_ties=FALSE确保多最小年份行时只取第一行）。
• pull(assignment)：提取该行的assignment值，作为组内所有行的新变量值。

内容的提问来源于stack exchange，提问作者Muhammad Kamil