R语言按ID分组基于年份生成time_period时间期数变量方法

原有代码问题 #

• 分组逻辑错误：你将year也加入了分组维度，此时每个分组只有1行记录，sequence(n())返回的结果全为1，无法实现同一id下按年份顺序编号的需求
• 变量名大小写不匹配：你数据中的分组字段为小写id，代码中写为大写ID，R对变量名大小写敏感，会直接触发对象未找到的报错

tidyverse 实现方案 #

优先推荐dense_rank方案，无需提前排序，即使原始数据行顺序混乱也能得到正确结果，且同一id下同年份的记录会分配相同的期数：

library(tidyverse)

# 构造示例数据
df <- structure(list(id = c(1, 1, 1, 2, 2, 3, 3, 4, 4, 4, 4), year = c(2001, 2002, 2004, 2005, 2006, 2002, 2005, 2004, 2008, 2009, 2011)), class = "data.frame", row.names = c(NA, -11L))

# 生成时间期数
df_result <- df %>%
  group_by(id) %>%
  mutate(time_period = dense_rank(year)) %>%
  ungroup()

如果需要同一id下同年份的记录分配不同期数，可使用排序后加row_number的方案：

df_result <- df %>%
  group_by(id) %>%
  arrange(year, .by_group = TRUE) %>%
  mutate(time_period = row_number()) %>%
  ungroup()

基础R可选实现 #

# 效果和tidyverse的dense_rank方案一致
df$time_period <- ave(df$year, df$id, FUN = function(x) match(x, sort(unique(x))))

内容的提问来源于stack exchange，提问作者z_11122