R/dplyr技术问询：不分组汇总数据并按ID添加最早日期列

没问题，我们可以用dplyr的分组+突变（mutate）来实现这个需求——注意这里的分组只是用来计算每个ID的最早日期，并不会汇总缩减行数，完全符合你的要求。

步骤说明： #

1. 先处理月份字符串：因为直接比较月份名称的字符串可能会出错（比如字符串排序逻辑和实际月份顺序不一致），所以我们需要先把V2的月份名称转换成可比较的日期对象。
2. 分组计算最早日期：按ID分组后，用mutate为每一行添加对应ID的最早月份，最后再转换回月份名称格式。

完整代码示例： #

首先加载所需包并构造你的示例数据：

library(dplyr)
library(lubridate) # 处理日期更便捷，也可以用base R替代

# 构造你的原始数据框
df <- tibble(
  ID = c("A", "B", "A", "F"),
  V1 = c(2, 3, 2, 4),
  V2 = c("June", "May", "January", "December")
)

然后进行处理：

df_processed <- df %>%
  # 将V2的月份名称转换为日期对象（用固定年份，不影响月份比较）
  mutate(V2_date = parse_date_time(V2, orders = "m")) %>%
  # 按ID分组
  group_by(ID) %>%
  # 添加V3列：取当前ID组内最早的日期，再转回完整月份名称
  mutate(V3 = month(min(V2_date), label = TRUE, abbr = FALSE)) %>%
  # 取消分组状态，避免后续操作受影响
  ungroup() %>%
  # 移除临时的日期列（如果不需要的话）
  select(-V2_date)

运行后得到的结果就是你想要的：

# A tibble: 4 × 4
  ID       V1 V2       V3      
  <chr> <dbl> <chr>    <ord>   
1 A         2 June     January 
2 B         3 May      May     
3 A         2 January January 
4 F         4 December December

不用lubridate的替代方案： #

如果你不想额外加载lubridate包，用base R的日期处理也能实现：

df_processed <- df %>%
  # 将月份名称转成日期
  mutate(V2_date = as.Date(paste("2024", V2, "01", sep = "-"), format = "%Y-%B-%d")) %>%
  group_by(ID) %>%
  # 取最早日期并转回月份名称
  mutate(V3 = format(min(V2_date), "%B")) %>%
  ungroup() %>%
  select(-V2_date)

这里的核心逻辑是：group_by(ID)后用mutate，而不是summarise——mutate会保留所有原始行，只是为每行添加上对应组的统计值，完全符合你“不分组汇总”的要求。

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