在 R 中使用 diff 和 cumsum

Question

我一直在尝试使用这个问题中提供的解决方案，但是由于某种原因它不起作用。

基本上，我想找到至少连续4 年的所有 ID，并且只保留属于这些 ID 的行。

有任何想法吗？

# example data
ID <- c(rep("A", 5), rep("B", 6), rep("C", 2), rep("D", 3), rep("E", 4))
year <- as.numeric(c(rep(c(2012, 2013, 2014, 2015), 4), 2012, 2013, 2015, 2016))
mydata <- cbind(ID, year)
mydata <- as.data.table(mydata)
mydata$year <- as.numeric(mydata$year)

# provided solution
mydata2 <- setDT(mydata)[, grp := cumsum(c(0, diff(year)) > 1), by = ID
                         ][, if (.N > 4) .SD, by = grp][, grp := NULL][]

Answer 1

这是使用data.table做到这一点的方法。 基本上，您要确保首先对表格进行排序。 其次，我使用的是diff(year)==1 。 我们想要连续的年份，所以重要的是diff恰好等于 1 以防止年份跳跃。 最后，我只保留 max(cumsum) 为 3 或更多的 ID（3 而不是 4，因为我们从 0 开始计数）。

setorder(mydata)
mydata2 <- mydata[, grp := cumsum(c(0, diff(year)==1)), by = ID]
mydata2[,max_grp := max(grp), by=ID]
mydata2[max_grp>=3]

    ID year grp max_grp
 1:  A 2012   0       3
 2:  A 2012   0       3
 3:  A 2013   1       3
 4:  A 2014   2       3
 5:  A 2015   3       3
 6:  B 2012   0       3
 7:  B 2013   1       3
 8:  B 2013   1       3
 9:  B 2014   2       3
10:  B 2014   2       3
11:  B 2015   3       3