R 基于时态数据中的最后一次观测生成条件变量

我需要一个函数从这些数据中生成两个变量。仅当V1=1时，第一个需要在最后一次观察时为1，然后在所有情况下在最后一次观察时为1。理想的最终产品：

ID T V1 
1 1 1 
1 2 1 
2 1 0
2 2 0
3 1 1
3 2 1
3 3 1

提前感谢。

在dplyr包中，您可以根据案例中的ID根据变量对数据进行分组，并对每个组进行操作。由于列T中的一个已经计算了每个组中每个观察值的秩，因此可以与函数n结合使用，该函数返回每个组的行数，以获得所需的结果

假设您的数据位于数据帧df中：

---

这对上面提供的测试数据非常有效，正如您所演示的，这是我希望的方向，但我错过了n命令！但是根据我的数据，我得到v2和v3都是0值。数据是按时间而不是按ID排序的，所以我修改了代码，添加了：df%>%arrangedf，descT%>%groupbyid%>%mutate v2=1*T==n，v3=1*T==n*V1==1，仍然没有骰子。有没有想过是什么导致了结果的差异？首先，更改列T的名称，因为在R脚本中，T代表真正的逻辑语句。这可能是错误的根源。使用管道操作符时，不需要重写数据：df%>%arrangecol\t

ID T V1 v2 v3
1 1  1   0  0
1 2  1   1  1
2 1  0   0  0
2 2  0   0  1
3 1  1   0  0
3 2  1   0  0
3 3  1   1  1

df %>% 
  group_by(ID) %>% 
  mutate(
    v2 = 1 * (`T` == n()),
    v3 = 1 * (`T` == n()) * (V1 == 1) 
  )

# A tibble: 7 x 5
# Groups:   ID [3]
     ID     T    V1    v2    v3
  <dbl> <dbl> <dbl> <dbl> <dbl>
1     1     1     1     0     0
2     1     2     1     1     1
3     2     1     0     0     0
4     2     2     0     1     0
5     3     1     1     0     0
6     3     2     1     0     0
7     3     3     1     1     1