如何按组 ID 在连续值上创建虚拟变量？答案

【问题标题】：How can I create a dummy variable over consecutive values by group id?如何按组 ID 在连续值上创建虚拟变量？
【发布时间】：2020-12-14 15:12:14
【问题描述】：

我有一个数据框，有些列有 NA 值。此外，数据不平衡（即 ID 的年份不同）。我正在尝试按组 ID 在连续（多年）重复值上创建一个虚拟变量（在 R 中）。

作为一个例子，我有一个 data.frame：

data <- data.frame(Year = c(1980, 1981, 1982, 1983, 1984, 1990, 1991, 1992, 1993,
                            1987, 1988, 1989, 1990, 1991, 1992, 1993, 1994, 1995),
                            ID = c(1,1,1,1,1, 2,2,2,2, 3,3,3,3,3,3,3,3,3), 
                            value=c(0,0,0,NA,1, 0,1,0,1, NA,NA,0,0,0,0,1,0,0))

Year ID value
1  1980  1     0
2  1981  1     0
3  1982  1     0
4  1983  1    NA
5  1984  1     1
6  1990  2     0
7  1991  2     1
8  1992  2     0
9  1993  2     1
10 1987  3    NA
11 1988  3    NA
12 1989  3     0
13 1990  3     0
14 1991  3     0
15 1992  3     0
16 1993  3     1
17 1994  3     0
18 1995  3     0

我对一个新变量感兴趣，比如“虚拟”，如果在连续 3 年或更长时间内变量“值”的值等于 0，则该变量等于 0，如果值为 NA，则为 NA，其余为 1。例如在 1980-1982 年，第一个 ID 应该为零，否则分别为 1 或 NA。

我感兴趣的是：

Year  ID  value  dummy
1  1980  1     0      0
2  1981  1     0      0
3  1982  1     0      0
4  1983  1    NA     NA
5  1984  1     1      1
6  1990  2     0      1
7  1991  2     1      1
8  1992  2     0      1
9  1993  2     1      1
10 1987  3    NA     NA
11 1988  3    NA     NA
12 1989  3     0      0
13 1990  3     0      0
14 1991  3     0      0
15 1992  3     0      0
16 1993  3     1      1
17 1994  3     0      1
18 1994  5     0      1

谁能帮帮我？

【问题讨论】：

标签： r

【解决方案1】：

您可以使用 dplyr 按 ID 对数据进行分组，按 ID 和 Year 对数据进行排序以创建新变量。 Dummy 将为 1，当且仅当（此人今年的）值和前一年和前一年的值都等于 0。因此，1982 年的 ID1 在本例中的虚拟值为 0。

library(dplyr)

data %>% 
  group_by(ID) %>% 
  arrange(ID, Year) %>%     ## sort by ID and year
  mutate(dummy = 
           case_when(
            value == 0 & lag(value, n = 1) == 0 & lag(value, n = 2) == 0 ~ 0, ## 3 consec years
            is.na(value) ~ value,  ## if value is NA
            TRUE ~  1 )            ## 1 otherwise
          )


# A tibble: 18 x 4
# Groups:   ID [3]
    Year    ID value dummy
   <dbl> <dbl> <dbl> <dbl>
 1  1980     1     0     1
 2  1981     1     0     1
 3  1982     1     0     0
 4  1983     1    NA    NA
 5  1984     1     1     1
 6  1990     2     0     1
 7  1991     2     1     1
 8  1992     2     0     1
 9  1993     2     1     1
10  1987     3    NA    NA
11  1988     3    NA    NA
12  1989     3     0     1
13  1990     3     0     1
14  1991     3     0     0
15  1992     3     0     0
16  1993     3     1     1
17  1994     3     0     1
18  1995     3     0     1

【讨论】：

这非常有用。谢谢！