[英]How to delete rows with a unique ID from a panel data frame in R?
我有一个数据表,其中包含可以由唯一ID标识的数千个公司。 它是长格式数据,每个公司应该在不同的年份出现两次(两年内的横截面时间序列)。
但是,并非所有公司都出现在这两个年度中,因此我试图创建一个平衡的长格式面板,其中仅保留在这两个年度中出现的公司。 我该如何完成?
这是一个示例数据表,用于说明问题:
example <- matrix(c(1,1,2,3,3,2013,2016,2013,2013,2016), ncol=2)
colnames(example) <- c('id', 'year')
example.table <- data.table(example)
example.table
id year
1: 1 2013
2: 1 2016
3: 2 2013
4: 3 2013
5: 3 2016
在该示例中,我需要一个代码/函数,该代码/函数可让我排除ID为“ 2”的公司行,因为它在2016年不匹配。换句话说:我需要一个将每行与如果id列中没有匹配项,则将前一行和后一行排除在外。
我已经投入了很多时间,但是似乎已经达到了我的R知识的极限,并且希望得到您的支持。 谢谢!
使用dplyr
如下:
library(dplyr)
example.table %>%
group_by(id) %>%
filter(n() > 1)
# A tibble: 4 x 2
# Groups: id [2]
id year
<dbl> <dbl>
1 1 2013
2 1 2016
3 3 2013
4 3 2016
我们从整个数据集中创建一个unique
'year'向量,然后检查'nm1'中的all
值是否all
'id'分组的'year'的%in%
,并对该数据进行子集化。
un1 <- unique(example.table$year)
example.table[, .SD[all(un1 %in% year)], id]
# id year
#1: 1 2013
#2: 1 2016
#3: 3 2013
#4: 3 2016
注意:OP的数据集为data.table
,此处使用的方法为data.table
。 最初,考虑过使用.SD[uniqueN(year) > 1]
,但这是错误的,可能不适用于所有情况
data.table
的dplyr
解决方案等效的dplyr
解决方案
example.table[, if(.N > 1) .SD, id]
id year
1: 1 2013
2: 1 2016
3: 3 2013
4: 3 2016
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.