在具有不同观察数量的Panel数据中为每年分配Quintiles

时间:2017-02-07 17:54:40

标签: r data-manipulation data-cleaning

我的面板数据包含3列:公司,年份,收入。每家公司的观察数量不同。例如,公司BBB有20个观察值,而公司AAA只有19个。

Firm <- rep(c("AAA","BBB","CCC","DDD","EEE"), each=20)
Year <- rep(seq(1997,2016,1),times=5)
Income <- rnorm(100, mean=50, sd=10)
df <- cbind(Firm,Year,Income)
df <- as.data.frame(df) 
df <- df[!(df$Firm=="AAA" & df$Year=="2016"),]

实际数据包含5000多家公司,每家公司超过50年。每家公司的开始日期和结束日期都不同。但这是一个很好的例子。

我想分别为每个公司的收入分配五分之一,并把它放在一个名为“Quint”的新栏目中。例如,1997年,公司“AAA”收入50,公司“BBB”收入49,公司“CCC”收入48,公司“DDD”收入47,公司“EEE”收入46。 “AAA”有1,“BBB”有2,“CCC”有3,“DDD”有4,“EEE”有5,为1997。

我有一个自定义功能,可以连续多年使用,但每年都无法执行:

quan <- function (x){
y <-ifelse(x<=quantile(x,c(.2),na.rm=TRUE), 1,
ifelse(x>quantile(x,c(.2),na.rm=TRUE)&x<=quantile(x,c(.4),na.rm=TRUE), 2,
ifelse(x>quantile(x,c(.4),na.rm=TRUE)&x<=quantile(x,c(.6),na.rm=TRUE), 3,        
ifelse(x>quantile(x,c(.6),na.rm=TRUE)&x<=quantile(x,c(.8),na.rm=TRUE), 4,
ifelse(x>quantile(x,c(.8),na.rm=TRUE), 5, NA)))))
y
}

每年如何做?感谢。

1 个答案:

答案 0 :(得分:0)

使用dplyr包,您可以使用ntile函数计算五分位数。按Year分组,逐年获得五分位数。另请注意数据创建代码中从cbinddata.frame的更改。 cbind创建一个矩阵,矩阵中的所有值必须是相同的类型,因此数值被强制转换为字符串。

df <- data.frame(Firm, Year, Income)
df <- df[!(df$Firm=="AAA" & df$Year=="2016"),]

library(dplyr)

df = df %>% group_by(Year) %>% 
  mutate(Quint = ntile(Income, 5))
     Firm  Year   Income    Quint
   <fctr> <dbl>    <dbl>    <int>
1     AAA  1997 66.99350        5
2     AAA  1998 55.18437        3
3     AAA  1999 31.39550        1
4     AAA  2000 57.39199        4
5     AAA  2001 41.03834        3
6     AAA  2002 51.85919        4
7     AAA  2003 38.21712        3
8     AAA  2004 45.97977        4
9     AAA  2005 47.62680        3
10    AAA  2006 48.78366        3
# ... with 89 more rows

使用基数R,您可以使用lapplysplit分别对每个Year进行操作,并使用cut函数按五分位数进行分组:

df = do.call(rbind, 
             lapply(split(df, df$Year), function(x) {
               data.frame(x, Quint=cut(x[ , "Income"], 
                                       quantile(x[,"Income"], probs=seq(0,1,0.2)), 
                                       labels=1:5,
                                       include.lowest=TRUE))
             }))