时间戳

首页 > 解决方案 > 在 r 中过滤面板数据集

r - 在 r 中过滤面板数据集

问题描述

我有一个这种形式的数据框

familyid memberid occupation panelid year
1        1        1          1       2000
1        2        1          1       2000
2        1        1          1       2000 
2        2        2          1       2000
3        1        1          1       2000
3        2        1          1       2000
3        3        1          1       2000
1        1        2          2       2001
1        2        1          2       2001
2        1        2          2       2001
2        2        2          2       2001
3        1        1          2       2001
3        2        2          2       2001
3        3        2          2       2001

我想过滤这个数据框以获得以下内容。

familyid memberid occupation panelid year
1        1        1          1       2000
2        1        1          1       2000 
3        2        1          1       2000
3        3        1          1       2000
1        1        2          2       2001
2        1        2          2       2001
3        2        2          2       2001
3        3        2          2       2001

换句话说，我只想保留在 2000 年（panelid==1）和 2001 年（panelid==2）显示职业==1 和职业==2 的面板 obs。有人知道怎么做这个吗？非常感谢大家，

马可

标签： r

解决方案

filter在这里，我们可以根据any'occupation' 1 和 'year' 2000 以及any'occupation' 2 和 'year' 2001按 'familyid'、'memberid' 分组

library(tidyverse)
df1 %>% 
  group_by(familyid, memberid) %>% 
  filter(any(occupation == 1 & year == 2000) & any(occupation == 2 & year == 2001))
# A tibble: 8 x 5
# Groups:   familyid, memberid [4]
#  familyid memberid occupation panelid  year
#     <int>    <int>      <int>   <int> <int>
#1        1        1          1       1  2000
#2        2        1          1       1  2000
#3        3        2          1       1  2000
#4        3        3          1       1  2000
#5        1        1          2       2  2001
#6        2        1          2       2  2001
#7        3        2          2       2  2001
#8        3        3          2       2  2001

或者如果'occupation'和'year'的级别只有两个，那么我们也可以用countn_distinct来为filtering创建一个逻辑向量

df1 %>% 
  group_by(familyid, memberid) %>%
  filter(n_distinct(occupation) >1 & n_distinct(year)> 1)

数据

df1 <- structure(list(familyid = c(1L, 1L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 
2L, 2L, 3L, 3L, 3L), memberid = c(1L, 2L, 1L, 2L, 1L, 2L, 3L, 
1L, 2L, 1L, 2L, 1L, 2L, 3L), occupation = c(1L, 1L, 1L, 2L, 1L, 
1L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L), panelid = c(1L, 1L, 1L, 
1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), year = c(2000L, 
2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2001L, 2001L, 2001L, 
2001L, 2001L, 2001L, 2001L)), class = "data.frame", row.names = c(NA, 
-14L))

推荐阅读