如何在R DataFrame中用lead函数获取欢迎饮后各饮品首次饮用时间？

首先构造可复现的原始数据框：

df <- data.frame(
  Name = rep("Josh", 6),
  Date = as.Date(c("2022-06-24", "2022-07-01", "2022-07-03", "2022-07-24", "2022-07-28", "2022-07-29")),
  Drink = c("Welcome Drink", "Beer", "Wine", "Cocktail", "Wine", "Beer")
)

方法一：明确指定饮品聚合 #

适合已知所有饮品类型的场景，直接分组后提取每种饮品的首次日期：

library(tidyverse)

result <- df %>%
  group_by(Name) %>%
  summarize(
    `Welcome drink` = first(Date[Drink == "Welcome Drink"]),
    `1stBeer` = first(Date[Drink == "Beer"]),
    `1stWine` = first(Date[Drink == "Wine"]),
    `1stCocktail` = first(Date[Drink == "Cocktail"])
  )

# 输出结果
result

方法二：动态适配所有饮品类型 #

如果饮品类型不确定，用动态分组转宽的方式更灵活：

library(tidyverse)

result <- df %>%
  # 按姓名和饮品分组，取首次饮用日期
  group_by(Name, Drink) %>%
  summarize(first_date = first(Date)) %>%
  ungroup() %>%
  # 转成宽格式，自动处理列名
  pivot_wider(
    names_from = Drink,
    values_from = first_date,
    names_prefix = "1st",
    # 单独调整Welcome Drink的列名
    names_transform = ~ ifelse(.x == "Welcome Drink", "Welcome drink", .x)
  ) %>%
  # 调整列顺序，把Welcome drink放在最前面
  select(Name, `Welcome drink`, everything())

# 输出结果
result

为什么lead()不适用？ #

lead()函数的作用是提取同一分组中后续行的值，它是针对行序列的偏移操作，而非聚合分组内的首次出现值，所以无法满足“提取每种饮品首次饮用时间”的需求。

内容的提问来源于stack exchange，提问作者afml