Question

我有一个（定向的）二元数据集，看起来像这样（见下文）。我现在想做的是每年只做一次观察。所以在这种情况下，1992年只有一次观察（AFG 1992）和1993年的一次观察（AFG 1993），同时删除了其他观察结果。从我保留在同一年的数据中观察到哪些观察结果并不重要（对country2不感兴趣）。

 country1   country2    year    X   X1
Afghanistan Colombia    1992    1   0.44
Afghanistan Venezuela   1992    1   0.45
Afghanistan Peru        1992    1   0.46
Afghanistan Brazil      1992    1   0.47
Afghanistan Bolivia     1992    1   0.48
Afghanistan Chile       1992    1   0.49
Afghanistan Argentina   1992    1   0.50
Afghanistan Uruguay     1993    0   0.51
Afghanistan USA         1993    0   0.52
Afghanistan Canada      1993    0   0.53
Afghanistan UK          1993    0   0.54
Afghanistan Netherlands 1993    0   0.55
Afghanistan Belgium     1993    0   0.56
Afghanistan Luxembourg  1993    0   0.57
Afghanistan France      1993    0   0.58

我的尝试：

newdata<- data %>% 
  group_by(country1,year) %>%
  summarise() %>%
  select(unique.x=country1, unique.y=year)

这是有效的但我如何保留＆＃34;数据＆＃34;中的所有其他变量？在＆＃34; newdata＆＃34;？我无法想到这样做的任何方式 （我觉得更实用）。有什么帮助吗？

期望的结果

    country1     year   X
    Afghanistan 1991   1
    Afghanistan 1992   0

dput（数据）结构（list（country1 = structure（c（1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L），。标签=＆＃34;阿富汗＆＃34;，类 =＆＃34;因素＆＃34;）， country2 =结构（c（8L，33L，24L，5L，4L，7L，1L，32L， 31L，6L，30L，21L，3L，19L，14L，29L，27L，26L，15L，25L， 2L，17L，10L，18L，13L，28L，23L，11L，9L，16L，12L，20L， 22L），。Label = c（＆＃34;阿根廷＆＃34;，＆＃34;奥地利＆＃34;，＆＃34;比利时＆＃34;，＆＃34;玻利维亚，多民族国家＆＃34;，＆＃34;巴西＆＃34;，＆＃34;加拿大＆＃34;，＆＃34;智利＆＃34;，＆＃34;哥伦比亚＆＃34;，＆＃34;古巴＆＃34;，＆＃34;捷克共和国＆＃34 ;, ＆＃34;丹麦＆＃34;，＆＃34;多米尼加共和国＆＃34;，＆＃34;芬兰＆＃34;，＆＃34;法国＆＃34;，＆＃34;德国＆＃34;，＆＃34;几内亚比绍＆＃34;，＆＃34;匈牙利＆＃34;，＆＃34;意大利＆＃34;，＆＃34;卢森堡＆＃34;，＆＃34;毛里塔尼亚＆＃34;，＆＃34;荷兰＆＃34;，＆＃34;尼日尔＆＃34;，＆＃34;挪威＆＃34;，＆＃34;秘鲁＆＃34;，＆＃34;波兰＆＃34;，＆＃34;葡萄牙＆＃34 ;, ＆＃34;西班牙＆＃34;，＆＃34;瑞典＆＃34;，＆＃34;瑞士＆＃34;，＆＃34;英国＆＃34;，＆＃34;美国＆＃34;，＆＃34;乌拉圭＆＃34;，＆＃34;委内瑞拉，玻利瓦尔共和国＆＃34;），类=＆＃34;因素＆＃34;），年= c（1992L，1992L，1992L，1992L，1992L，1992L，1992L， 1993L，1993L，1993L，1993L，1993L，1993L，1993L，1993L，1994L， 1994L，1994L，1994L，1994L，1994L，1994L，1994L，1995L，1995L， 1995L，1995L，1995L，1995L，1995L，1995L，1995L，1995L）， X = c（1L，1L，1L，1L，1L，1L，1L，0L，0L，0L，0L，0L，0L， 0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L），X1 = c（0.44,0.45,0.46,0.47,0.48， 0.49,0.5,0.51,0.52,0.53,0.54,0.55,0.56,0.57,0.58， 0.59,0.6,0.61,0.62,0.63,0.64,0.65,0.66,0.67,0.68， 0.69,0.7,0.71,0.72,0.73,0.74,0.75,0.76））,. Names = c（＆＃34; country1＆＃34;，＆＃34; country2＆＃34;，＆＃34; year＆＃34;，＆＃34; X＆＃34;，＆＃34; X1＆＃34;），class =＆＃34; data.frame＆＃34;， row.names = c（NA， -33L））

Answer 1

newdata <- olddata[!duplicated(olddata$year),]

回答问题

newdata <- olddata[!duplicated(paste(olddata$country1, olddata$year)),]

给你你想要的东西

Answer 2

我不能真正理解您的问题，但要获得所需的输出，您可以使用：

data %>% 
  group_by(country1, year) %>%
  summarise(X = mean(X))

当您将其应用于整个data.frame时，请注意，对于X和country1的唯一组合，此代码将返回year中所有值的平均值。

Answer 3

你可以尝试：

data %>%
    group_by(year) %>%
    top_n(1) %>%
    select(country1, X)

数据转换：从R

3 个答案: