在R中的组中标记第一年

问题描述

我有一个结构如下的数据框：

+----------+------+
| ID       | year |
+----------+------+
| 1        | 2002 |
| 1        | 2003 |
| 1        | 2004 |
| 2        | 2015 |
| 2        | 2016 |
| 2        | 2017 |
| 2        | 2018 |
| 3        | 2004 |
| 3        | 2005 |
+----------+------+

我想添加一个标记ID中第一次（或最早）出现的变量以获取以下信息：

+----------+------+------+
| ID       | year | flag | 
+----------+------+------+
| 1        | 2002 | 1    |
| 1        | 2003 | 0    | 
| 1        | 2004 | 0    |
| 2        | 2015 | 1    |
| 2        | 2016 | 0    |
| 2        | 2017 | 0    |
| 2        | 2018 | 0    |
| 3        | 2004 | 1    | 
| 3        | 2005 | 0    |
+----------+------+------+

在dplyr中有一种简单的方法吗？

解决方法

使用dplyr，我们可以按'ID'分组，并基于'year'的min值创建逻辑向量，并用+强制将其转换为二进制

df1 %>%
   group_by(ID) %>%
   mutate(flag = +(year == min(year))

如果数据已经order编辑

df1 %>%
    mutate(flag = !duplicated(ID))

或者如果“年份”已经order编辑

df1$flag <- !duplicated(df1$ID)

使用ave

的另一个基本R选项

transform(
  df,flag = ave(1:nrow(df),ID,FUN = function(x) seq_along(x)==1)
)

dplyr r r