如何根据另一列是否满足R中的条件为一列分配字符值？

如何解决如何根据另一列是否满足R中的条件为一列分配字符值？

我在某个日期和时间发生了多个事件（行）。我想按另一列对它们进行分组，然后如果它们是最早的日期，则在单独的列中将其列为“否”，如果不是，则该列将为“是”。以下是我的数据的前20行

            Event     Rework         lm_date
1           409974     NA 2019-10-16 18:34:00
2           409974     NA 2019-11-24 17:02:00
3           409974     NA 2019-11-25 17:18:00
4           409974     NA 2019-12-10 20:46:00
5           410047     NA 2019-09-09 20:39:00
6           410047     NA 2019-09-10 18:46:00
7           410172     NA 2019-09-10 18:50:00
8           410172     NA 2019-09-10 20:02:00
9           410172     NA 2019-09-11 20:46:00
10          410172     NA 2019-09-13 17:40:00
11          410172     NA 2019-10-11 03:02:00
12          411169     NA 2019-10-03 16:06:00
13          411169     NA 2019-11-07 20:56:00
14          411169     NA 2019-11-08 20:02:00
15          411229     NA 2019-10-14 16:13:00
16          411229     NA 2019-11-06 16:43:00
17          411229     NA 2019-11-07 21:28:00
18          411229     NA 2019-11-11 21:45:00
19          411929     NA 2019-09-17 22:34:00
20          411929     NA 2019-09-19 20:46:00

例如，我想按事件分组，因此第一组将为409974，并让重做列在事件的第一行为“否”，在事件中每隔一行为“是”，即接下来的三行。我尝试使用

CATASK %>% group_by(Event) %>% mutate(if (lm_date == min(lm_date) {
  Rework == "No"} 
  else {
    Rework == "Yes"
  }
))

但无济于事。任何建议将不胜感激！

解决方法

我建议下一个tidyverse使用mutate()进行处理，并使用min()检查最早的日期：

library(tidyverse)
#Format date
df %>% mutate(lm_date=as.POSIXct(lm_date)) %>%
  group_by(Event) %>%
  mutate(Rework=ifelse(lm_date==min(lm_date),'No','Yes'))

输出：

# A tibble: 20 x 3
# Groups:   Event [6]
    Event lm_date             Rework
    <dbl> <dttm>              <chr> 
 1 409974 2019-10-16 18:33:59 No    
 2 409974 2019-11-24 17:02:00 Yes   
 3 409974 2019-11-25 17:18:00 Yes   
 4 409974 2019-12-10 20:45:59 Yes   
 5 410047 2019-09-09 20:39:00 No    
 6 410047 2019-09-10 18:46:00 Yes   
 7 410172 2019-09-10 18:49:59 No    
 8 410172 2019-09-10 20:02:00 Yes   
 9 410172 2019-09-11 20:45:59 Yes   
10 410172 2019-09-13 17:39:59 Yes   
11 410172 2019-10-11 03:01:59 Yes   
12 411169 2019-10-03 16:05:59 No    
13 411169 2019-11-07 20:55:59 Yes   
14 411169 2019-11-08 20:02:00 Yes   
15 411229 2019-10-14 16:12:59 No    
16 411229 2019-11-06 16:43:00 Yes   
17 411229 2019-11-07 21:27:59 Yes   
18 411229 2019-11-11 21:45:00 Yes   
19 411929 2019-09-17 22:34:00 No    
20 411929 2019-09-19 20:45:59 Yes  

下一步使用一些数据：

#Data
df <- structure(list(Event = c(409974,409974,410047,410172,411169,411229,411929,411929),lm_date = structure(c(1571250840,1574614920,1574702280,1576010760,1568061540,1568141160,1568141400,1568145720,1568234760,1568396400,1570762920,1570118760,1573160160,1573243320,1571069580,1573058580,1573162080,1573508700,1568759640,1568925960),class = c("POSIXct","POSIXt"),tzone = "GMT")),class = "data.frame",row.names = c(NA,-20L))