如何在R中为同时存在于2010和2012年的ID生成dummy variable

首先先还原你的原始数据框，方便复现操作：

df <- data.frame(
  year = c(2012, 2012, 2010, 2010, 2010, 2010, 2010, 2012),
  id = c(1, 1, 2, 2, 2, 2, 2, 2),
  value = c(180, 149, 131, 120, 120, 16, 120, 50),
  time = c(1, 1, 0, 0, 0, 0, 0, 1)
)

下面提供两种实现方式：

方法一：使用dplyr（tidyverse工具链） #

按id分组后，检查该组是否同时包含2010和2012两个年份，再将布尔结果转为1/0的哑变量：

library(dplyr)

df <- df %>%
  group_by(id) %>%
  mutate(treated = as.integer(all(c(2010, 2012) %in% year))) %>%
  ungroup()

方法二：使用Base R（无需额外加载包） #

先提取每个id对应的唯一年份，判断条件后再匹配回原数据框：

# 提取每个id的唯一年份集合
id_year_sets <- tapply(df$year, df$id, unique)

# 判断每个id是否同时包含2010和2012
id_flag <- sapply(id_year_sets, function(x) all(c(2010, 2012) %in% x))

# 将结果转为数据框并合并回原数据
flag_df <- data.frame(id = names(id_flag), treated = as.integer(id_flag))
df <- merge(df, flag_df, by = "id", sort = FALSE)

最终结果 #

运行任意一种方法后，得到的数据框如下（若需要将列名改为both，只需把代码中的treated替换成both即可）：

> df
   year id value time treated
1 2012  1   180    1       0
2 2012  1   149    1       0
3 2010  2   131    0       1
4 2010  2   120    0       1
5 2010  2   120    0       1
6 2010  2    16    0       1
7 2010  2   120    0       1
8 2012  2    50    1       1

内容的提问来源于stack exchange，提问作者João Felix