在 R 的長時間序列數據集中保留前一年未發生的觀察

Question

我有一個看起來像這樣的df：

ID Year
5  2010
5  2011
5  2014
3  2013
3  2014
10 2013
1  2010
1  2012
1  2014
...

df 包含 2009-2019 年，並針對居住在某個特定城鎮的個人進行過濾，這些人在該特定年份的年齡在 18-64 歲之間。

對於每一年，我只需要保留那一年搬進這個小鎮的人。 因此，例如，我需要保留 2010 年的人口減去 2009 年的人口之間的差異。我還需要每年都這樣做（例如，有些人搬出城幾年，然后return - ID 5 就是一個例子）。 最后，我想要 2010-2019 年的每一年一個 df，所以十個 df 只包含那一年搬進城里的人。

我玩過group_by()和left_join() ，但沒有成功。 必須有一個簡單的解決方案，但我還沒有找到一個。

Answer 1

您可以使用setdiff function 來執行 set(A) - set(B) 操作。 按年份將數據拆分為數據框，然后循環遍歷它們，找到新的加入者。

示例代碼：

library(dplyr)
set.seed(123)
df <- tibble(
    id = c(1, 2, 3, 4, 5,     # first year
           1, 2, 3, 5, 6, 7,  # 4 moves out, 6,7 move in
           2, 3, 4, 6, 7, 8), # 1,5 moves out, 4,8 move in
    year = c(rep(2009, 5), 
             rep(2010, 6), 
             rep(2011, 6)), 
    age = sample(18:64, size = 17) # extra column
)

# split into list of dataframes by year
df_by_year <- split(df, df$year)

# create a list to contain the 2 df (total years 3 - 1)
df_list <- vector("list", 2)

for(i in 1:length(df_list)){

    # determine incoming new people        
    new_joinees <- setdiff(df_by_year[[i+1]]$id, df_by_year[[i]]$id)

    # filter for above IDs
    df_list[[i]] <- dplyr::filter(df_by_year[[i+1]], id %in% new_joinees)
    
}