R语言长表数据多条件索引行并构造管理晋升派生变量的实现方法

核心思路 #

所有指标基于按id分组的时序事件计算，核心是先为每个个体定位关键事件的行索引，再通过索引匹配对应的值，无需嵌套复杂循环或多层ifelse判断。

注意：所有组内记录需要先按age升序排列，保证时序逻辑正确。如果需要适配需求中提到的m12time列名，只需将代码中对应变量名替换即可，计算逻辑完全一致。

关键规则匹配（完全对齐示例输出） #

先为每个id定位两个核心锚点：

• 锚点1：组内首次出现manage1的行位置，记为m1_pos；如果组内没有manage1，所有和一级管理者相关的指标值为NA
• 锚点2：m1_pos之后首次出现manage2的行位置，记为m2_pos；如果不存在m1_pos或m1_pos之后没有manage2，所有和二级管理者相关的指标值为NA

基于锚点的具体计算规则：

• m01time：
  • 当m1_pos为组内第一行时，值为NA（没有前置任职记录）
  • 其他情况从m1_pos往回遍历，直到碰到第一行left记录或者走到组开头，取该段区间第一行的age作为起始年龄，计算m1_pos对应的age - 起始年龄
• m1p：
  • 当m1_pos为组内第一行时，值为NA
  • 其他情况取m1_pos前一行的stat值
• m02time（即需求中提到的manage1到manage2的间隔）：
  • 当m2_pos不存在时，值为NA
  • 其他情况计算m2_pos对应的age - m1_pos对应的age
• change：
  • 当m2_pos不存在时，值为NA
  • 其他情况检查m1_pos和m2_pos的开区间（即两个锚点之间的行，不包含锚点本身）是否存在left记录，存在则取1，不存在则取0
• m2p：
  • 当m2_pos不存在时，值为NA
  • 其他情况取m2_pos前一行的stat值

实现代码 #

library(dplyr)

# 构建示例数据集
id <- c(65,65,65,65,65,900,900,900,900,900,900,211,211,211,211,211,211,211,45,45,45,45,45,45,45)
age <- c(19,22,23,24,25,21,26,31,32,37,38,22,23,25,28,29,31,32,30,31,36,39,42,44,48)
stat <- c('intern','reg','manage1','left','reg','manage1','manage2','left','reg',
        'reg','left','intern','left','intern','reg','left','reg','manage1','reg','left','intern','manage1','left','reg','manage2')
mydf <- data.frame(id,age,stat)

# 按分组索引计算目标变量
result <- mydf %>%
  group_by(id) %>%
  arrange(age, .by_group = TRUE) %>% # 强制组内按年龄升序，保障时序正确
  summarise(
    # 定位核心锚点位置
    m1_pos = which(stat == "manage1")[1],
    m2_pos = ifelse(!is.na(m1_pos), which(stat == "manage2" & seq_along(stat) > m1_pos)[1], NA),
    
    # 计算m01time和m1p
    m01time = {
      if(is.na(m1_pos) | m1_pos == 1){
        NA_integer_
      } else {
        back_seq <- seq(m1_pos - 1, 1)
        first_left_in_back <- back_seq[stat[back_seq] == "left"][1]
        start_pos <- ifelse(is.na(first_left_in_back), 1, first_left_in_back + 1)
        age[m1_pos] - age[start_pos]
      }
    },
    m1p = {
      if(is.na(m1_pos) | m1_pos == 1) NA_character_ else stat[m1_pos -1]
    },
    
    # 计算m02time、change和m2p
    m02time = {
      if(is.na(m2_pos)) NA_integer_ else age[m2_pos] - age[m1_pos]
    },
    change = {
      if(is.na(m2_pos)){
        NA_integer_
      } else {
        mid_pos <- seq(m1_pos + 1, m2_pos -1)
        ifelse(any(stat[mid_pos] == "left"), 1L, 0L)
      }
    },
    m2p = {
      if(is.na(m2_pos)) NA_character_ else stat[m2_pos -1]
    },
    .groups = "drop"
  )

输出校验 #

运行代码后得到的结果表和需求给出的参考结果完全一致，可自动过滤冗余任职记录。这种按索引定位的方式，比逐行嵌套lag/lead的判断逻辑更灵活，能直接适配“断点回溯”类的规则场景。

内容的提问来源于stack exchange，提问作者elliezee