R语言条件性行操作与按ID汇总生成标记的实现方法

输入示例数据 #

# 简化版测试数据帧
obj <- data.frame (
  id = c(1, 1, 2, 2, 3, 3, 4, 4),
  yr = c(1990, 1991, 1990, 1991, 1990, 1991, 1990, 1991),
  degree = c(1, 1, 1, 2, 1, 1, 0, 0)
)

实际业务使用场景中，真实ID为类似2.01811e+13格式的长数值取值，处理时需注意避免数值精度丢失问题。

处理规则 #

最终需要生成每个id仅保留1条记录的新数据帧，为每个id生成取值为1或0的标记值value，判定逻辑如下：

• 同id下的degree观测值从1变化为2，对应value取值为1
• 同id下的degree观测值始终保持为1，对应value取值为0
• 同id下的degree观测值为(0,0)、(2,2)这类不满足上述两类规则的情况，该id不纳入最终输出

期望输出效果 #

• id=1 对应 value=0
• id=2 对应 value=1
• id=3 对应 value=0
• id=4 因degree为(0,0)，不纳入输出

可直接运行的实现方案 #

方案1：dplyr 分组处理（逻辑清晰，适配复杂数据规模） #

library(dplyr)

final_result <- obj %>%
  # 按id分组时，自动对每个组内的记录按年份升序排序，避免观测顺序错乱导致判断错误
  arrange(yr, .by_group = TRUE) %>%
  group_by(id) %>%
  summarise(
    # 逐组匹配规则生成标记值
    value = case_when(
      identical(degree, c(1, 2)) ~ 1,
      identical(degree, c(1, 1)) ~ 0,
      TRUE ~ NA_real_
    ),
    .groups = "drop"
  ) %>%
  # 剔除所有不符合规则的无效id
  filter(!is.na(value))

注意：面对长ID类的数值（如2.01811e+13），可提前将id字段转为字符型存储，避免浮点精度丢失导致分组错乱，上述分组逻辑无需改动即可正常运行。

方案2：Base R 原生实现（无需依赖第三方包） #

# 按id拆分原始数据为子数据集列表
split_data <- split(obj, f = obj$id)

# 遍历每个id的子数据集，匹配规则生成有效结果
res_list <- lapply(names(split_data), function(single_id) {
  # 按年份升序整理当前id下的degree取值顺序
  cur_degree <- split_data[[single_id]]$degree[order(split_data[[single_id]]$yr)]
  # 规则判断
  if (identical(cur_degree, c(1, 2))) {
    return(data.frame(id = as.numeric(single_id), value = 1))
  } else if (identical(cur_degree, c(1, 1))) {
    return(data.frame(id = as.numeric(single_id), value = 0))
  } else {
    # 不符合规则的id返回空值，后续直接剔除
    return(NULL)
  }
})

# 合并所有有效结果
final_result <- do.call(rbind, res_list)

内容的提问来源于stack exchange，提问作者freddywit