R语言基于过往记录赋值虚拟变量且覆盖同一年份场景的实现问题

场景说明 #

需要按唯一标识（如用户ID、主体ID）分组后，对每行记录判断：当前年或者前一年同组内出现过目标事件（即dummy列值为1），符合条件则dummycount赋值为1，否则为0。

实现代码 #

方法1：tidyverse（dplyr）实现 #

可读性高，适合常规数据量场景：

library(dplyr)

# 示例数据，可替换为你的实际数据集
df <- tibble(
  id = rep(c("A", "B"), each = 5),
  year = rep(2016:2020, 2),
  dummy = c(0,1,0,0,1, 0,0,1,0,0)
)

df <- df %>%
  group_by(id) %>%
  arrange(year, .by_group = TRUE) %>%
  # 只要当前年或上一年有事件就标记为1
  mutate(dummycount = as.integer(dummy == 1 | lag(dummy, default = 0) == 1)) %>%
  ungroup()

代码说明：

• 先按分组ID和年份排序，保证时间序列顺序正确
• lag(dummy, default = 0)取同组上一年的dummy值，首行无上年数据时默认赋值为0避免出现NA
• 逻辑判断只要当前dummy为1或者上一年dummy为1，就返回1，否则为0

方法2：data.table实现 #

运行效率更高，适合百万级以上的大数据量场景：

library(data.table)

setDT(df)
setorder(df, id, year)
df[, dummycount := as.integer(dummy == 1 | shift(dummy, fill = 0) == 1), by = id]

结果验证 #

以上述示例数据为例，输出结果符合预期：

内容的提问来源于stack exchange，提问作者Lars