R语言如何新增变量存储数据框每条记录的最新可用日期

首先注意，初始构造的数据集里所有日期列是字符类型，直接比较大小可能出现排序错误，第一步先把所有日期列转为R标准Date类型，再逐行取最大值即可。

原始数据构造 #

ID<-1:5
Date1<-c(NA,NA,"2022-06-10",NA,NA)
Date2<-c(NA,NA,NA,NA,NA)
Date3<-c("2022-02-08",NA,NA,NA,NA)
Date4<-c(NA,NA,"2022-06-24",NA,"2022-05-13")
mydata<-data.frame(ID,Date1,Date2,Date3,Date4)

方法1：基础R实现（无需安装第三方包） #

优先用向量化函数pmax()实现，大样本下运算效率远高于逐行遍历写法，代码最简洁：

# 匹配所有Date开头的日期列
date_cols <- grep("^Date", names(mydata), value = TRUE)
# 批量转为标准日期格式
mydata[date_cols] <- lapply(mydata[date_cols], as.Date)
# 逐行取非空日期的最大值，na.rm=TRUE自动忽略空值
mydata$last_date <- do.call(pmax, c(mydata[date_cols], na.rm = TRUE))

如果是小数据集，用apply逐行计算也可以实现：

mydata$last_date <- apply(mydata[date_cols], 1, function(row) {
  res <- max(row, na.rm = TRUE)
  ifelse(is.infinite(res), NA, res)
})

方法2：tidyverse生态实现 #

如果日常使用dplyr等tidyverse包处理数据，可以用以下写法：

library(dplyr)

mydata <- mydata %>%
  mutate(across(starts_with("Date"), as.Date),
         last_date = exec(pmax, !!!across(starts_with("Date")), na.rm = TRUE))

运行后输出结果和预期完全一致：

> mydata
  ID      Date1 Date2      Date3      Date4  last_date
1  1       <NA>    NA 2022-02-08       <NA> 2022-02-08
2  2       <NA>    NA       <NA>       <NA>       <NA>
3  3 2022-06-10    NA       <NA> 2022-06-24 2022-06-24
4  4       <NA>    NA       <NA>       <NA>       <NA>
5  5       <NA>    NA       <NA> 2022-05-13 2022-05-13

关键提醒：所有涉及日期比较的操作，都要先把日期转为标准Date/POSIX类型，不要直接用字符串比较，否则遇到非YYYY-MM-DD格式的日期时，会出现排序逻辑错误。

内容的提问来源于stack exchange，提问作者Seydou GORO