我正在处理公司帐户数据的大数据集，以便在公司破产与否时解决分类问题。
数据集包含一个变量liquid，它表示清算开始的年份。鉴于公司实际上开始清算，这个变量在每年的观察中无处不在。否则为零。通常，liquid 大于观察的最后一年。因此，没有观察到公司开始清算当年的公司数据。有时，间隔甚至更长。例如，一家公司在 2005 年开始清算，但最后一次观察财务比率是在 2002 年。
数据样本可能如下所示：
现在，我想创建一个名为 bankruptcy 的新虚拟对象。如果这是开始清算的公司的最后一次观察（带有财务数据），则该值应为 1。您可以在上表中看到bankruptcy 的外观。我该如何进行？
【问题讨论】：
标签： r classification svm dummy-variable
可能有更好的方法，但是怎么样
library(dplyr)
df <-structure(list(year = structure(c(1L, 2L, 3L, 2L, 3L, 4L, 5L, 2L, 3L), .Label = c("2000", "2001", "2002", "2003", "2004"), class = "factor"), liquid = structure(c(2L, 2L, 2L, NA, NA, NA, NA, 1L, 1L), .Label = c("2003", "2005"), class = "factor"), company = structure(c(1L, 1L,
1L, 2L, 2L, 2L, 2L, 3L, 3L), .Label = c("A", "B", "C"), class = "factor"), bankruptcy = c(0, 0, 0, 0, 0, 0, 0, 0, 0)), .Names = c("year", "liquid", "company", "bankruptcy"), row.names = c(NA, -9L), class = "data.frame")
df %>%
mutate(bankruptcy = 0) %>%
group_by(company) %>%
mutate(bankruptcy = c(bankruptcy[-n()], 1)) %>%
mutate(bankruptcy = ifelse(is.na(liquid),0,bankruptcy))
【讨论】：
如果我从您想要的输出中正确理解了您，您希望 bankruptcy 在每个 company 的最高值 liquid 中取 1。
h/t 到 @user6617454 获取结构。
df <-structure(list(year = structure(c(1L, 2L, 3L, 2L, 3L, 4L, 5L, 2L, 3L), .Label = c("2000", "2001", "2002", "2003", "2004"), class = "factor"), liquid = structure(c(2L, 2L, 2L, NA, NA, NA, NA, 1L, 1L), .Label = c("2003", "2005"), class = "factor"), company = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L), .Label = c("A", "B", "C"), class = "factor"), ), .Names = c("year", "liquid", "company"), row.names = c(NA, -9L), class = "data.frame")
df$year <- as.numeric(as.character(df$year))
df$maxyear <- tapply(df$year, df$company, max)
df$bankruptcy <- ifelse(!is.na(df$liquid) & df$year == df$maxyear,
1,
0)
在该解决方案中，当公司有 liquid 值并且特定行是该公司的最大值时，bankruptcy 将采用 1。如果您的示例不能代表您的实际问题，这可能不起作用，但这确实会在您附加的图像中产生输出。
【讨论】：