Question

我目前正在使用类似于以下内容的数据框：

CompanyID  Share.ID  share.2011  date.2011  share.2012  date.2012
A          X         70.00       2011-07-01
A          Y         70.00       2011-12-01
A          Z                                60.00       2012-12-01
B          K         100.00      2011-09-01
B          L                                100.00      2012-12-01
...

CompanyID是被观察公司的标识符。 Share.ID是公司大股东的标识符。 date.20XX代表信息的日期。 share.20XX是股东持有的股份。

我现在的问题如下。数据的结构是在一年内，2个或更多股东可以出现多数股票（例如2011年公司A的X，Y），这是错误的。我现在需要找到一种方法来消除当前较少的数据点（即具有较小电流date.2011的数据点），以便：

在每个Company.ID级别内，如果有2个共享，例如share.2011，请使用""覆盖之前输入数据库的共享的值（即date.2011）中的较早日期

最终表格如下：

CompanyID  Share.ID  share.2011  date.2011  share.2012  date.2012
A          X                     2011-07-01
A          Y         70.00       2011-12-01
A          Z                                60.00       2012-12-01
B          K         100.00      2011-09-01
B          L                                100.00      2012-12-01
...

谢谢！我尝试了几个涉及子集的选项，但到目前为止总是失败。

Answer 1

当您的数据采用长格式时，这样的操作会更直接。

library(dplyr)

将数据转换为长格式：

dat.long = reshape(dat, varying=3:6, direction="long", timevar="year")

       CompanyID Share.ID year share       date id
1.2011         A        X 2011    70 2011-07-01  1
2.2011         A        Y 2011    70 2011-12-01  2
3.2011         A        Z 2011    NA       <NA>  3
4.2011         B        K 2011   100 2011-09-01  4
5.2011         B        L 2011    NA       <NA>  5
1.2012         A        X 2012    NA       <NA>  1
2.2012         A        Y 2012    NA       <NA>  2
3.2012         A        Z 2012    60 2012-12-01  3
4.2012         B        K 2012    NA       <NA>  4
5.2012         B        L 2012   100 2012-12-01  5

过滤到每个CompanyID中每个year的大多数股东：

dat.long %>% 
  # Remove rows with no share data
  filter(!is.na(share)) %>%
  # Convert date to date format
  mutate(date=as.Date(date)) %>%
  # Operate by group
  group_by(CompanyID, year) %>%
  # Sort data
  arrange(CompanyID, year, date) %>%
  # Keep only the most recent date within each group
  slice(n())

  CompanyID Share.ID  year share       date    id
1         A        Y  2011    70 2011-12-01     2
2         A        Z  2012    60 2012-12-01     3
3         B        K  2011   100 2011-09-01     4
4         B        L  2012   100 2012-12-01     5

在上面的示例中，我删除了除多数股份持有人之外的所有行。如果您想保留非多数股东行但将其设置为NA，您可以这样做：

dat.long %>% 
  filter(!is.na(share)) %>%
  mutate(date=as.Date(date)) %>%
  group_by(CompanyID, year) %>%
  arrange(CompanyID, year, date) %>%
  mutate(share = ifelse(date==max(date), share, NA))

  CompanyID Share.ID  year share       date    id
1         A        X  2011    NA 2011-07-01     1
2         A        Y  2011    70 2011-12-01     2
3         A        Z  2012    60 2012-12-01     3
4         B        K  2011   100 2011-09-01     4
5         B        L  2012   100 2012-12-01     5

消除每个因素级别内的最新值

1 个答案: