在R中按ID整合多行列数据，生成季度所属企业列

我们有一个包含人员雇佣记录的data.frame，每个人员（id）可能对应多行观测。其中quarter_1至quarter_4为季度雇佣状态虚拟变量（1表示该季度受雇于对应firm，0则相反）。需要完成以下操作：

• 创建4个新列firm_q_1至firm_q_4，分别记录每个id对应季度的受雇企业，无受雇记录则设为NA
• 将同一id的信息整合至一行，方便后续转换为面板数据

原始数据示例 #

df <- structure(list(id = c(1L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 7L, 8L, 8L, 8L), 
                     firm = c(111L, 222L, 111L, 333L, 444L, 111L, 444L, 555L, 999L, 12L, 13L, 14L), 
                     quarter_1 = c(0L, 1L, 0L, 1L, 1L, 1L, 0L, 0L, 1L, 0L, 1L, 0L), 
                     quarter_2 = c(0L, 1L, 0L, 0L, 1L, 1L, 0L, 1L, 0L, 1L, 0L, 0L), 
                     quarter_3 = c(1L, 0L, 1L, 0L, 1L, 1L, 1L, 0L, 0L, 1L, 0L, 0L), 
                     quarter_4 = c(1L, 0L, 0L, 0L, 0L, 1L, 1L, 0L, 0L, 0L, 0L, 1L)), 
                class = "data.frame", row.names = c(NA, -12L))

解决方案 #

使用dplyr包可以高效完成数据处理，核心逻辑是按id分组后，提取每个季度对应受雇企业并填充到所有行，最后去重得到每个id的唯一记录：

library(dplyr)

# 生成季度企业匹配列并整合行
df_processed <- df %>%
  group_by(id) %>%
  mutate(
    firm_q_1 = ifelse(any(quarter_1 == 1), firm[quarter_1 == 1], NA_integer_),
    firm_q_2 = ifelse(any(quarter_2 == 1), firm[quarter_2 == 1], NA_integer_),
    firm_q_3 = ifelse(any(quarter_3 == 1), firm[quarter_3 == 1], NA_integer_),
    firm_q_4 = ifelse(any(quarter_4 == 1), firm[quarter_4 == 1], NA_integer_)
  ) %>%
  ungroup() %>%
  # 去重保留每个id的唯一行
  distinct(id, .keep_all = TRUE)

若需保留原始多行结构（如用户给出的预期输出示例），只需去掉最后一行distinct(id, .keep_all = TRUE)，此时每个id的多行记录会自动填充对应季度企业值，无匹配的行对应列设为NA。

处理后的数据示例 #

structure(list(id = c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L), 
               firm = c(111L, 111L, 333L, 444L, 111L, 444L, 555L, 12L), 
               quarter_1 = c(0L, 0L, 1L, 1L, 1L, 0L, 0L, 0L), 
               quarter_2 = c(0L, 0L, 0L, 1L, 1L, 0L, 1L, 1L), 
               quarter_3 = c(1L, 1L, 0L, 1L, 1L, 1L, 0L, 1L), 
               quarter_4 = c(1L, 0L, 0L, 0L, 1L, 1L, 0L, 0L), 
               firm_q_1 = c(222L, NA, 333L, 444L, 111L, NA, 999L, 13L), 
               firm_q_2 = c(222L, NA, NA, 444L, 111L, NA, 555L, 12L), 
               firm_q_3 = c(111L, 111L, NA, 444L, 111L, 444L, NA, 12L), 
               firm_q_4 = c(111L, NA, NA, NA, 111L, 444L, NA, 14L)), 
          class = "data.frame", row.names = c(NA, -8L))

内容的提问来源于stack exchange，提问作者R novice