R 查找一组中最早的日期，并创建一个因子变量 Y/N 来指示是否是该组中的第一个日期

Question

我有一个看起来像这样的数据框：

Issuer.Name Issue.Date    
name1 01/12/2021    
name2 05/04/2022    
name2 21/10/2021    
name3 08/09/2020    
name4 30/08/2023    
name4 12/05/2021    
name4 18/10/2022    
name5 01/12/2021    

我想创建一个新的因子变量“Y/N”，由 Issuer.Name 检查这是否是组 Issuer.Name 的第一个 Issue.Date。它应该返回类似的内容：

Issuer.Name Issue.Date First.Issue.Date    
name1 01/12/2021 Y    
name2 05/04/2022 N    
name2 21/10/2021 Y    
name3 08/09/2020 Y    
name4 30/08/2023 N    
name4 12/05/2021 Y    
name4 18/10/2022 N    
name5 01/12/2021 Y    

我使用了这个命令，它工作得很好，但我认为肯定可以做一些更简洁的事情

df <- df %>%
        group_by(Issuer.Name) %>% 
        arrange(Issue.Date) %>% 
        mutate(First.Issue.Date = Issue.Date[1]) %>% 
        mutate(First.Issue=case_when(Issue.Date==First.Issue.Date~"Y",.default = "N"))

Answer 1

问题是您不是在寻找“第一个”日期，而是在寻找“最早的日期”。如果您的数据已排序，这些将是相同的事情，但事实并非如此，所以它们不是。

dplyr::mutate(df, f = Issue.Date == min(Issue.Date), .by = Issuer.Name)

dplyr::mutate(df, `Y/N` = ifelse(Issue.Date == min(Issue.Date), "Y","N"), .by = Issuer.Name)

备注：

一般来说，包括 true 和 false，因为除了 TRUE 或 FALSE 之外的任何内容都是不受欢迎的，因为它占用更多空间，处理起来更麻烦，并且可能导致奇怪的错误（例如，如果你忘记了）稍后，开始使用小写的“y”和“n”，或者“yes”和“no”，那么什么都不会匹配）。

1. 此外，在变量名称中使用斜杠，虽然你

   可以
这样做，但可能会导致错误，因为如果没有反引号，R 会将 Y/N 解释为变量 Y 除以变量 N，这

2. 使用

   group_by()
时，最好在最后使用
3. ungroup()

   （或者更好的是，像我一样使用

   .by

   ，因为这样可以省去记住这样做的麻烦）。在过去的几个月里，我个人见过至少有六个人提出问题，最终他们忘记了

   ungroup()

   ，然后对为什么他们的代码没有给出正确的结果感到困惑。 数据：

   df <- data.frame(
     Issuer.Name = c("name1", "name2", "name2", "name3", "name4", "name4", "name4", "name5"),
     Issue.Date = as.Date(c("01/12/2021", "05/04/2022", "21/10/2021", "08/09/2020", "30/08/2023", "12/05/2021", "18/10/2022", "01/12/2021"), format="%d/%m/%Y"))