如何在R语言中识别跨年度数据的新增/删除记录

可以使用dplyr包高效处理多年度的Ticker新增识别，以下是具体实现步骤：

步骤1：加载依赖包并准备数据 #

library(dplyr)

# 示例数据
a <- data.frame(Ticker=c("AA","AA","BBX","AA","AAAAX","BBX"), Year=c(2009,2010,2010,2011,2011,2011))

步骤2：计算哑变量I和A #

b <- a %>%
  # 按Ticker分组，记录每个Ticker首次出现的年度
  group_by(Ticker) %>%
  mutate(first_year = min(Year)) %>%
  ungroup() %>%
  # 按年度分组，收集当前年度的所有Ticker
  group_by(Year) %>%
  mutate(current_tickers = list(unique(Ticker))) %>%
  ungroup() %>%
  # 获取上一年度的Ticker集合，计算两个哑变量
  mutate(prev_year_tickers = lag(current_tickers),
         # 哑变量I：当前Ticker未出现在上一年度，第一年默认0
         I = ifelse(Year == min(Year), 0, !Ticker %in% unlist(prev_year_tickers)) %>% as.integer(),
         # 哑变量A：当前年度是该Ticker首次出现的年度
         A = as.integer(Year == first_year)) %>%
  # 移除中间辅助列
  select(-first_year, -current_tickers, -prev_year_tickers)

步骤3：查看结果 #

print(b)

运行后输出与预期一致：

Ticker Year I A
1     AA 2009 0 0
2     AA 2010 0 0
3    BBX 2010 1 1
4     AA 2011 0 0
5  AAAAX 2011 1 1
6    BBX 2011 0 0

逻辑说明 #

• 哑变量A：通过分组定位每个Ticker的首次出现年份，当行对应年度等于首次年份时标记为1，代表该Ticker从未在之前任何年度出现过。
• 哑变量I：利用lag()获取上一年度的Ticker集合，判断当前Ticker是否不在该集合中（第一年无上年数据，默认标记0），满足条件则标记为1，代表相较于上一年是新增记录。

内容的提问来源于stack exchange，提问作者Jane