R语言：分组数据中按指定规则生成标记列的实现问题

原始数据 #

首先定义数据框df：

df <- data.frame(
  group = c("a", "a", "a", "a", "b", "b", "c", "c", "c", "c", "d", "d", "d", "e", "e", "e", "e"),
  col1 = c(-36,10,-5,1, 0, 5,10, 5, 20, 2, -1, 1, 2, -10, -5, -1, 10 )
)

原始数据输出：

group col1
1      a  -36
2      a   10
3      a   -5
4      a    1
5      b    0
6      b    5
7      c   10
8      c    5
9      c   20
10     c    2
11     d   -1
12     d    1
13     d    2
14     e  -10
15     e   -5
16     e   -1
17     e   10

需求规则 #

1. 若分组内col1存在值1，则仅该条记录的flag设为"Y"，同组其他记录设为空白；
2. 若分组内无值1但存在≤1的值，则将分组内col1≤1的记录中最大值对应的那条flag设为"Y"，同组其他记录（包括col1>1的）设为空白；
3. 其他情况所有记录的flag设为空白。

问题分析 #

你尝试的代码缺少分组操作，dplyr中的any()、max()默认作用于整个数据集，而非每个分组，因此无法得到正确结果。此外规则2中需要取的是col1≤1子集的最大值，而非整个分组的最大值，这一点也需要修正。

修正后的代码 #

library(dplyr)

df_result <- df %>%
  group_by(group) %>%
  mutate(
    # 计算分组内col1≤1的最大值，无符合条件值时返回NA
    max_le1 = max(col1[col1 <= 1], na.rm = TRUE),
    flag = case_when(
      # 规则1：分组内有1，仅col1=1的行设为Y
      any(col1 == 1) ~ ifelse(col1 == 1, "Y", ""),
      # 规则2：无1但存在≤1的值，且当前行col1等于该子集的最大值
      !is.na(max_le1) & !any(col1 == 1) ~ ifelse(col1 == max_le1, "Y", ""),
      # 规则3：其他情况设为空白
      TRUE ~ ""
    )
  ) %>%
  # 移除临时计算的max_le1列
  select(-max_le1) %>%
  ungroup()

输出结果 #

运行上述代码后得到的结果与期望一致：

group col1 flag
1      a  -36     
2      a   10     
3      a   -5     
4      a    1    Y
5      b    0    Y
6      b    5     
7      c   10     
8      c    5     
9      c   20     
10     c    2     
11     d   -1     
12     d    1    Y
13     d    2     
14     e  -10     
15     e   -5     
16     e   -1    Y
17     e   10    

内容的提问来源于stack exchange，提问作者karuno