如何根据另一个数据帧中的值在数据帧中创建一个虚拟，该数据帧在R中具有不同的观察长度？

Question

在R中，我有以下两个数据帧（Df1和Df2）——它们是我刚刚制作的例子——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，如果这个观察id的年份更高或等于Df2中年份的观测id，则虚拟值为1，否则为0。数据帧Df3是我希望实现的结果。我怎么能做到呢？Df1

Df2

Df3

一些背景：

我尝试为我正在处理的真实数据帧创建两个循环。下面是我尝试过的代码。数据帧称为data_school，我的id、年和虚拟变量分别是id_escola、ano和internet_fixa。我做了我的两个初始数据帧之间的完全连接，结果我得到了data_school。因为它是多对一连接，所以我创建了虚拟变量，只有精确匹配的值等于1，其他都是NA。然后我继续做下面的循环，首先迭代所有id，获取每个id，虚拟的参考年份，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，它工作得很好，但是在一些行之后，它会得到以下错误“如果（data_school[data_school$id_escola==id错误

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
    }
  }
}

附言：如果你愿意，如果最后一部分不够清楚，你可以忽略它（一些上下文）。

Answer 1

我们可以使用带有数据的连接。表

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

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))

Answer 2

这是否工作：

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

• 示例数据中的df1中缺少id=2