Question

我使用一个包含 16 个变量和 80.000 个观察值的数据集。

变量“syear”描述了观察的年份（2008、2012、2016）。变量“pid”描述了唯一的人 ID。

正如您在屏幕截图中看到的，人们可能只参与了一年或两年。我只想保留参与所有三年的人的观察。在屏幕截图中，这将是 pid 901 和 1501。

如何按此条件过滤我的数据集？

Answer 1

你可以试试这个：

library(tidyverse)

df <- tribble(
  ~syear, ~pid,
  2008,201,
  2008,203,
  2008,602,
  2012,602,
  2008,604,
  2008,901,
  2012,901,
  2016,901,
  2008,1501,
  2012,1501,
  2016,1501
)

df %>% 
  group_by(pid) %>%
  mutate(cnt = n()) %>%
  filter(cnt == 3)

# alternatively, the cnt column can be dropped
df %>% 
  group_by(pid) %>%
  mutate(cnt = n()) %>%
  filter(cnt == 3) %>%
  select(-cnt)

Answer 2

为了简化 nyk 的回答，您也可以这样做：

library(dplyr)
library(conflicted)

conflict_prefer("filter", "dplyr")
#> [conflicted] Will prefer dplyr::filter over any other package

tibble(
    year = c(2001, 2002, 2003, 2001, 2003, 2002, 2003),
    pid = c(1, 1, 1, 2, 2, 3, 3)
) %>%
    group_by(pid) %>%
    filter(n() == 3)
#> # A tibble: 3 x 2
#> # Groups:   pid [1]
#>    year   pid
#>   <dbl> <dbl>
#> 1  2001     1
#> 2  2002     1
#> 3  2003     1

^{由 reprex package (v0.3.0) 于 2021 年 1 月 5 日创建}

因此您不必创建 cnt 作为中间变量。根据您之后想做什么，您可以调用 ungroup()。

如何过滤面板数据以仅包括所有年份的人员？

2 个答案: