如何在R中添加列统计最近二进制变量标记后的累计年份？

问题分析 #

你需要生成year_since列，要求在flag=1的行值为0，后续行逐年累加，无前置flag的行设为NA。原代码仅处理了flag后的第一行，无法实现连续累加，且order_by参数使用错误。

解决方案 #

根据需求的不同（按行顺序计数/按实际年份差计数），提供两种实现方式：

方式一：按数据框行顺序计数（忽略年份间隔） #

这种方式下，无论实际年份是否连续，每一行在flag后依次加1：

library(dplyr)

df <- data.frame(year = c(2000,2001,2002,2003,2004, 2005,2006,2007,2008,2010),
                 flag = c(0,0,0,1,0,0,0,1,0,0))

df <- df %>%
  # 生成分组标识：每次flag=1时分组号递增
  mutate(group = cumsum(flag)) %>%
  group_by(group) %>%
  # 组内计算：找到flag=1的行位置，后续行按行号差计数
  mutate(year_since = ifelse(group == 0, NA, row_number() - which(flag == 1))) %>%
  ungroup() %>%
  select(-group) # 移除临时分组列

print(df)

输出结果：

year flag year_since
1  2000    0         NA
2  2001    0         NA
3  2002    0         NA
4  2003    1          0
5  2004    0          1
6  2005    0          2
7  2006    0          3
8  2007    1          0
9  2008    0          1
10 2010    0          2

方式二：按实际年份差计数（考虑年份间隔） #

如果需要计算当前年份与最近flag年份的实际差值（比如2010与2007的差为3），可以用填充最近flag年份的方式：

library(dplyr)
library(tidyr)

df <- data.frame(year = c(2000,2001,2002,2003,2004, 2005,2006,2007,2008,2010),
                 flag = c(0,0,0,1,0,0,0,1,0,0))

df <- df %>%
  # 记录flag=1对应的年份，其余行设为NA
  mutate(last_flag_year = ifelse(flag == 1, year, NA)) %>%
  # 向下填充最近的flag年份
  fill(last_flag_year, .direction = "down") %>%
  # 计算年份差，无前置flag的行设为NA
  mutate(year_since = ifelse(is.na(last_flag_year), NA, year - last_flag_year)) %>%
  select(-last_flag_year) # 移除临时列

print(df)

输出结果：

year flag year_since
1  2000    0         NA
2  2001    0         NA
3  2002    0         NA
4  2003    1          0
5  2004    0          1
6  2005    0          2
7  2006    0          3
8  2007    1          0
9  2008    0          1
10 2010    0          3

原代码问题说明 #

1. 仅处理单一行：原代码通过lag(flag, n=1)仅检查前一行是否为flag，只能为flag后的第一行赋值，后续行因year_since为NA，lag(year_since)也为NA，无法实现累加。
2. order_by参数错误：lag函数的order_by需要传入变量（如year），而非字符串"year"。

内容的提问来源于stack exchange，提问作者Matthias M