R语言创建标记变量：识别ID是否在历史任意月份出现过

需求规则 #

• 生成标记变量Flag
• 若某ID在当前记录对应月份之前的任意月份已存在，当前记录标记为1，否则标记为0

示例输入数据 #

ID <- c(1,2,3,2,3,4,1,5)
Month <- c(1,1,1,2,2,2,3,3)
have <- data.frame(ID, Month)

输入数据结构：

预期输出 #

实现代码 #

方法1：dplyr实现（推荐，可读性高） #

核心逻辑：按ID分组后，每个ID首次出现（最早月份）的记录标记为0，同ID其余记录标记为1即可。如果原始数据未按月份排序，先排序再打标。

library(dplyr)

# 若原始数据已按ID、Month排序，可直接用这段
want <- have %>%
  group_by(ID) %>%
  mutate(Flag = if_else(row_number() == 1, 0, 1)) %>%
  ungroup()

# 若原始数据月份乱序，先排序再打标
want <- have %>%
  arrange(ID, Month) %>%
  group_by(ID) %>%
  mutate(Flag = if_else(row_number() == 1, 0, 1)) %>%
  ungroup()

方法2：Base R实现（无需安装第三方包） #

核心逻辑：先计算每个ID首次出现的月份，再逐行判断当前记录月份是否大于该ID的首次出现月份，是则标记1，否则标记0。

# 计算每个ID首次出现的月份
first_month <- aggregate(Month ~ ID, data = have, FUN = min)
# 匹配打标
have$Flag <- as.integer(
  have$Month > first_month$Month[match(have$ID, first_month$ID)]
)

两种方法运行后得到的结果均和预期输出完全一致。

内容的提问来源于stack exchange，提问作者h09812349