Question

我在R中有一个不平衡的面板数据集。以下将作为一个例子：

dt <- data.frame(name= rep(c("A", "B", "C"), c(3,2,3)), 
                 year=c(2001:2003,2000,2002,2000:2001,2003))

> dt
  name year
1    A 2001
2    A 2002
3    A 2003
4    B 2000
5    B 2002
6    C 2000
7    C 2001
8    C 2003

现在，我需要为每个year至少连续2次name观察。因此，我想删除第4,5和8行。如何在R中做到最好？

修改感谢下面的评论，我可以更清楚一点。如果我对name = C和year = 2004进行了额外的观察（第9行），我希望将第8行和第9行与其他行保持在一起。

Answer 1

我（hackish）这样做的方法是：

is.consecutive = duplicated(rbind(dt,transform(dt, year=year+1), 
                                     transform(dt, year=year-1)),
                            fromLast=TRUE)[1:nrow(dt)]

is.consecutive包含要保留的观察的布尔值向量。对于您的示例，此向量将为：TRUE TRUE TRUE FALSE FALSE TRUE TRUE FALSE

最后，您可以轻松地使用此向量来对data.frame进行子集化，例如用：

dt[is.consecutive,]

Answer 2

这是一个更多（太远......？）复杂的替代方案，您可以设置连续观察的最小长度。

dt <- dt[order(dt$name, dt$year), ]

rl <- 2

do.call(rbind,
        by(dt, dt$name, function(x){
          run <- c(0, cumsum(diff(x$year) > 1))
          x[ave(run, run, FUN = length) >= rl, ]
        })
)
#     name year
# A.1    A 2001
# A.2    A 2002
# A.3    A 2003
# C.6    C 2000
# C.7    C 2001

rl <- 3

do.call(rbind,
        by(dt, dt$name, function(x){
          run <- c(0, cumsum(diff(x$year) > 1))
          x[ave(run, run, FUN = length) >= rl, ]
        })
)
#     name year
# A.1    A 2001
# A.2    A 2002
# A.3    A 2003

Answer 3

这是使用ddply

的解决方案

library(plyr)
ddply(dt,"name",function(x) {
    cons_idx=which(diff(x$year)==1)
    cons_idx=sort(unique(c(cons_idx,cons_idx+1)))
    x[cons_idx,]
})

将不平衡的面板数据集子集以在R中具有至少2个连续的观察值

3 个答案: