如何根据另一个数据帧中的值在 R 中创建一个具有不同观察长度的数据帧中的虚拟对象？答案

【问题标题】：How to create a dummy in dataframe according to value in another dataframe with a different length of observations in R?如何根据另一个数据帧中的值在 R 中创建一个具有不同观察长度的数据帧中的虚拟对象？
【发布时间】：2021-10-20 15:55:16
【问题描述】：

提前感谢您阅读我的问题。

在 R 中，我有以下两个数据框（Df1 和 Df2）——它们是我刚刚编写的示例——我打算根据以下规则创建一个虚拟变量：对于 Df1 中的每个 id，如果年份如果这个观测id大于或等于Df2中年份的观测id，则dummy取值为1，否则为0。数据框 Df3 是我希望达到的结果。我该怎么做？ Df1

id	year	x1
1	2017	0.3
1	2018	0.5
1	2019	0.45
1	2020	0.5
1	2021	0.6
2	2018	0.2
2	2019	0.3
2	2020	0.4
2	2021	0.5

Df2

id	year
1	2019
2	2020

Df3

id	year	x1	dummy
1	2017	0.3	0
1	2018	0.5	0
1	2019	0.45	1
1	2020	0.5	1
1	2021	0.6	1
2	2018	0.5	0
2	2019	0.45	0
2	2020	0.5	1
2	2021	0.6	1

一些上下文：

我尝试为我正在处理的真实数据框创建两个循环。下面是我尝试过的代码。数据框称为 data_school，我的 id、year 和虚拟变量分别是 id_escola、ano 和 internet_fixa。我在我的两个初始数据帧之间进行了完全连接，结果我得到了 data_school。由于它是多对一连接，因此我创建了虚拟变量，只有完全匹配的值等于 1，其他一切都是 NA。然后我开始执行以下循环，首先迭代所有 id 并获取每个 id，虚拟对象的参考年份，然后迭代该 id 的每个唯一年份并根据规则替换它。对于第一行，它运行良好，但在某些行之后，它会收到以下错误“if (data_school[data_school$id_escola == id & data_school$ano == : argument is of length zero”我该怎么办？

for (id in unique(data_school$id_escola)) {
  current_subset <- subset(data_school, id_escola == id & is.na(internet_fixa) == F)
  year_implementation <- current_subset$ano
  current <- subset(data_school, id_escola == id)
  for (i in unique(current$ano)){
    if (data_school[data_school$id_escola == id & data_school$ano == i,]$ano < year_implementation) {
      data_school[data_school$id_escola == id & data_school$ano == i, "internet_fixa"] <- 0
    } else {
      data_school[data_school$id_escola == id & data_school$ano == i, "internet_fixa"] <- 1
    }
  }
}

P.S.：如果你愿意，如果不够清楚，你可以忽略最后一部分（一些上下文）。

【问题讨论】：

请使用 dput 创建一些 R 代码来重构您的示例，供我们用来设计答案。

标签： r dataframe dplyr

【解决方案1】：

这行得通吗：

library(dplyr)
df2 %>% rename('df2_year' = year) %>% left_join(df1, by = 'id') %>% group_by(id) %>% mutate(dummy = if_else(year >= df2_year, 1, 0)) %>% select(-df2_year)
# A tibble: 6 x 4
# Groups:   id [2]
     id  year    x1 dummy
  <int> <int> <dbl> <dbl>
1     1  2017  0.3      0
2     1  2018  0.5      0
3     1  2019  0.45     1
4     1  2020  0.5      1
5     1  2021  0.6      1
6     2    NA NA       NA

使用的数据：

df1
  id year   x1
1  1 2017 0.30
2  1 2018 0.50
3  1 2019 0.45
4  1 2020 0.50
5  1 2021 0.60
df2
  id year
1  1 2019
2  2 2020

您的示例数据中的 df1 中缺少 id = 2。

【讨论】：

谢谢，我已经用 df1 修复了表。它应该对 id 2 有一些观察。
@JoséEduardoPuentesArteta，我的代码仍然有效，请检查。
再次感谢您！我进行了测试，它适用于我的代码。

【解决方案2】：

我们可以使用data.table 的连接

library(data.table)
setDT(df1)[df2, dummy := +(year >= i.year), on = .(id)]

-输出

> df1
   id year   x1 dummy
1:  1 2017 0.30     0
2:  1 2018 0.50     0
3:  1 2019 0.45     1
4:  1 2020 0.50     1
5:  1 2021 0.60     1

数据

df1 <- structure(list(id = c(1L, 1L, 1L, 1L, 1L), year = 2017:2021, 
    x1 = c(0.3, 0.5, 0.45, 0.5, 0.6)), class = "data.frame", row.names = c(NA, 
-5L))

df2 <- structure(list(id = 1:2, year = 2019:2020),
 class = "data.frame", row.names = c(NA, 
-2L))

【讨论】：