我有一个数据框,其中包含有关个人 ID、时间段和工作地点代码的信息。我想知道在数据集的整个时间跨度内独自工作的人是谁。
考虑下面这个非常简单的例子。个人 A 在时期 1 中单独在两个工作地点 (x,y) 工作。个人 B 和 C 在时期 1 中在工作地点 z 一起工作。个人 B 在时期 2 中单独在工作地点 w 工作。个人 D 在地点 k 单独工作在第 2 期。
mydf <- data.frame(id=c('A','A','B','C','B','D'),
period=c(1,1,1,1,2,2),
work_place=c('x','y','z','z','w','k'))
我想确定与在整个时期内单独工作的人有关的行,在本例中是指个人 A 和 D。
ids_alone <- data.frame(id=c('A','A','D'),
period=c(1,1,2),
work_place=c('x','y','k'))
答案 0 :(得分:2)
按'期间'、'work_place'分组,创建一列'n',其中包含不同'id'的数量,然后按'id'分组,filter
那些'id'具有all
个元素'n' 为 1
library(dplyr)
mydf %>%
group_by(period, work_place) %>%
mutate(n = n_distinct(id)) %>%
group_by(id) %>%
filter(all(n ==1)) %>%
ungroup %>%
select(-n)
-输出
# A tibble: 3 x 3
# id period work_place
# <chr> <dbl> <chr>
#1 A 1 x
#2 A 1 y
#3 D 2 k
答案 1 :(得分:2)
data.table
选项(遵循 @akrun 的相同想法)
setDT(mydf)[
,
n := uniqueN(id),
.(period, work_place)
][
,
.SD[mean(n) == 1], id
][
,
n := NULL
][]
给出
id period work_place
1: A 1 x
2: A 1 y
3: D 2 k