R语言如何按id分组基于多条件创建数据框聚合新列

字段计算规则说明 #

首先明确输出各列的统计逻辑，完全匹配预期输出结构：

• month_begin：单id对应的总观测月份数，即分组后每组的记录总行数
• paid_off：单id下贷款结清（status = "C"）的月份数
• num_of_pastdues：单id下所有逾期状态（status ∈ {"0","1","2","3","4","5"}）的月份总数
• no_loan：单id下无贷款（status = "X"）的月份数
• target：坏账标识，单id下只要存在逾期60天及以上的坏账状态（status ∈ {"2","3","4","5"}）则赋值为1，否则赋值为0

实现代码（dplyr版本，推荐） #

该版本代码可读性高，是R语言数据处理的主流实现方式：

# 加载依赖包，若未安装请先运行 install.packages("dplyr")
library(dplyr)

df1 <- df %>%
  group_by(id) %>%
  summarise(
    month_begin = n(),
    paid_off = sum(status == "C"),
    num_of_pastdues = sum(status %in% c("0","1","2","3","4","5")),
    no_loan = sum(status == "X"),
    target = as.integer(any(status %in% c("2","3","4","5")))
  ) %>%
  # 转换非id列为字符型，完全匹配示例输出格式
  mutate(across(-id, as.character)) %>%
  ungroup()

运行上述代码后得到的结果和给出的预期df1完全一致。

基础R实现（无第三方包依赖） #

如果不想安装额外依赖包，可以使用基础R的分组计算逻辑实现：

# 按id切分数据后分组计算
agg_result <- lapply(split(df, df$id), function(sub_df){
  data.frame(
    id = sub_df$id[1],
    month_begin = nrow(sub_df),
    paid_off = sum(sub_df$status == "C"),
    num_of_pastdues = sum(sub_df$status %in% c("0","1","2","3","4","5")),
    no_loan = sum(sub_df$status == "X"),
    target = as.integer(any(sub_df$status %in% c("2","3","4","5")))
  )
})
df1 <- do.call(rbind, agg_result)
# 转换非id列为字符型匹配示例格式
df1[,-1] <- lapply(df1[,-1], as.character)
rownames(df1) <- NULL

说明：示例输入中两个id的status最高仅为"1"（逾期30-59天），不存在60天以上的坏账记录，因此输出的target列均为0，和预期结果一致。如果后续数据中出现"2"/"3"/"4"/"5"类状态，target会自动标记为1。

内容的提问来源于stack exchange，提问作者tara