如何用R语言dplyr创建二元变量判断个体上年是否被观测

你的代码之所以生成全0的obs列，核心问题有两个：

• 多余的rowwise()：开启行式计算后，group_by(id)的分组逻辑失效，lag(year)没法正确取到同个id下的上一行年份值。
• 条件判断冗余且错误：分组后lag(year)本来就是当前id组内的上一年份，没必要再去原数据框里匹配同id的年份列表，这会导致逻辑判断出错。

正确实现代码 #

根据你“标记个体是否在上一年被观测到”的需求，这里提供两种靠谱的实现方式：

方式一：适用于年份连续的场景

如果你的数据里每个id的观测年份是连续的（比如没有隔年缺失），可以直接通过年份差判断：

library(dplyr)

df2 <- df %>% 
  arrange(id, year) %>%
  group_by(id) %>% 
  # 判断当前年份是否等于上一个观测年份+1，是则标记1，否则0
  mutate(obs = ifelse(year == lag(year) + 1, 1, 0)) %>%
  # 每组第一行没有上一年数据，把NA替换为0
  replace_na(list(obs = 0)) %>%
  ungroup()

方式二：适用于年份可能不连续的场景

如果存在某id隔年缺失数据的情况（比如有2020、2022年数据，2021年没记录），这种方式能准确判断前一年是否有观测：

library(dplyr)

df2 <- df %>% 
  arrange(id, year) %>%
  group_by(id) %>% 
  # 检查当前年份的前一年是否在该id的观测年份列表里，是则转1，否则0
  mutate(obs = as.integer((year - 1) %in% year)) %>%
  ungroup()

符合预期的输出示例 #

处理后的数据会呈现如下逻辑（匹配你期望的标记规则）：

内容的提问来源于stack exchange，提问作者Lucas