R 添加具有多个条件的虚拟变量

我有一个名为“insider_dataset”的数据框架，其组成如下：

personid cusip6 acqdisp trandate   month  year
     <dbl> <chr>  <chr>   <date>     <dbl> <dbl>
1 13080542 143436 D       2000-01-03     1  2000
2 12260711 143436 A       2002-01-07     1  2002
3 12700206 143436 D       2010-10-03    10  2010
4     7161 382388 A       2011-09-03     9  2011
5     7161 382388 A       2012-09-08     9  2012
6     7161 382388 A       2013-09-03     9  2013

personid cusip6 acqdisp传输日期月份年份
13080542143436 D 2000-01-03 1 2000
2 1226071114436A 2002-01-07 1 2002
312700206 143436 D 2010-10-03 2010
4161382388A 2011-09-039 2011
57161382388A 2012-09-089 2012
67161382388A 2013-09-039 2013

我的目标是添加一个名为“routine_dummy”的虚拟变量，如果personid在trandate之前的两年中使用相同的acqdisp和相同的月份出现，则该变量等于1，否则等于零。在本例中，虚拟变量仅在第6行中等于1。我尝试的是：

while (i <= nrow(insider_dataset)) {
  if (nrow(subset(insider_dataset, personid == insider_dataset$personid[i]
                  & month == month[i] & year == year[i]-1 | year == year[i]-2 & acqdisp == 
                  acqdisp[i])) > 1) {
    insider_dataset$routine_dummy[i] <- 1
  }
  else insider_dataset$routine_dummy[i] <- 0
  i <- i+1
}

while（i 1）{
insider_dataset$routine_dummy[i]循环在
R
中效率不高，这就是为什么您需要选择矢量化操作（使用
data.table
，如果您真的想要一些速度）。此外，如果您想检查它是否存在于前两年，请更改
any
=>all

tidyverse

库（tidyverse）
dt%>%
分组依据（个人、acqdisp、月份）%>%
变异（例程_dummy=+sapply（年份[行号（）]，函数（x）任意（（x-1:2）%in%年份）））
#一个tibble:7x7
#分组：personid、acqdisp、月份[4]
personid cusip6 acqdisp传输日期月例行程序
13080542143436 D 2000-01-03 1 0 2000
2 1226071114436A 2002-01-07 1 0 2002
312700206 143436 D 2010-10-03 2010年10月1日
4161382388A 2011-09-03902011
57161382388A 2012-09-08 9 1 2012
67161382388A 2013-09-03 9 1 2013
7 12700206143436 D 2008-10-03102008

数据表

库（data.table）
setDT（dt）
dt[,，
例行程序_dummy:=sapply（1:N，函数（I）+any（（年[I]-1:2）%in%年）），by=（personid，acqdisp，月）
][]
personid cusip6 acqdisp传输日期月例行程序
1:13080542143436 D 2000-01-03 1 0 2000
2:1226071114436A2002-01-07102002
3:12700206143436 D 2010-10-03101010
4:71613823882011-09-0392011
5:716138238812012-09-08912012
6:7161 382388 A 2013-09-03 9 1 2013
7:12700206143436 D 2008-10-03102008

循环在

R

中效率不高，这就是为什么您需要选择矢量化操作（如果您真的想提高速度，请使用

data.table

）。此外，如果您想检查前两年是否存在循环，请更改

任何
=>all

tidyverse
库（tidyverse）
dt%>%
分组依据（个人、acqdisp、月份）%>%
变异（例程_dummy=+sapply（年份[行号（）]，函数（x）任意（（x-1:2）%in%年份）））
#一个tibble:7x7
#分组：personid、acqdisp、月份[4]
personid cusip6 acqdisp传输日期月例行程序
13080542143436 D 2000-01-03 1 0 2000
2 1226071114436A 2002-01-07 1 0 2002
312700206 143436 D 2010-10-03 2010年10月1日
4161382388A 2011-09-03902011
57161382388A 2012-09-08 9 1 2012
67161382388A 2013-09-03 9 1 2013
7 12700206143436 D 2008-10-03102008

数据表
库（data.table）
setDT（dt）
dt[,，
例行程序_dummy:=sapply（1:N，函数（I）+any（（年[I]-1:2）%in%年）），by=（personid，acqdisp，月）
][]
personid cusip6 acqdisp传输日期月例行程序
1:13080542143436 D 2000-01-03 1 0 2000
2:1226071114436A2002-01-07102002
3:12700206143436 D 2010-10-03101010
4:71613823882011-09-0392011
5:716138238812012-09-08912012
6:7161 382388 A 2013-09-03 9 1 2013
7:12700206143436 D 2008-10-03102008
这里是另一个
数据表
解决方案，我认为会相对较快

library(data.table)

setDT(insider_dataset)

insider_dataset[, diff := c(0, diff(year)), by = c('personid', 'acqdisp', 'month')][,
  routine_dummy := +(diff == 1 & lag(diff) == 1), by = c('personid', 'acqdisp', 'month')]

insider_dataset

输出

   personid cusip6 acqdisp   trandate month year diff routine_dummy
1: 13080542 143436       D 2000-01-03     1 2000    0             0
2: 12260711 143436       A 2002-01-07     1 2002    0             0
3: 12700206 143436       D 2010-10-03    10 2010    0             0
4:     7161 382388       A 2011-09-03     9 2011    0             0
5:     7161 382388       A 2012-09-08     9 2012    1             0
6:     7161 382388       A 2013-09-03     9 2013    1             1

下面是另一个
data.table
解决方案，我认为它会相对较快

library(data.table)

setDT(insider_dataset)

insider_dataset[, diff := c(0, diff(year)), by = c('personid', 'acqdisp', 'month')][,
  routine_dummy := +(diff == 1 & lag(diff) == 1), by = c('personid', 'acqdisp', 'month')]

insider_dataset

输出

   personid cusip6 acqdisp   trandate month year diff routine_dummy
1: 13080542 143436       D 2000-01-03     1 2000    0             0
2: 12260711 143436       A 2002-01-07     1 2002    0             0
3: 12700206 143436       D 2010-10-03    10 2010    0             0
4:     7161 382388       A 2011-09-03     9 2011    0             0
5:     7161 382388       A 2012-09-08     9 2012    1             0
6:     7161 382388       A 2013-09-03     9 2013    1             1