1

我有一个平衡的面板数据表,其中包含数千家公司,每个公司都有两年的观察结果(1 和 2)。对于数据清理过程,我需要排除在所谓的时间常数变量中年份之间存在变化的观察结果。

example <- matrix(c(1,1,2,2,3,3,4,4,1,2,1,2,1,2,1,2,1,1,0,0,0,1,1,0), ncol=3)
colnames(example) <- c('id', 'year', 'supposedly time-constant')
example.table <- data.table(example)
example.table

   id year supposedly time-constant
1:  1    1                        1
2:  1    2                        1
3:  2    1                        0
4:  2    2                        0
5:  3    1                        0
6:  3    2                        1
7:  4    1                        1
8:  4    2                        0

因此,在上表中,公司 3 和 4 都显示了所谓的时间常数变量的变化,因此需要将它们删除。公司 1 和 2 是我希望拥有的。我需要一个允许我清理数据的代码/函数。

我似乎已经达到了我的 R 知识的极限,希望我能在这里找到帮助 - 在此先感谢!

4

4 回答 4

3

我们可以使用dplyr和选择只有一个唯一值的组

library(dplyr)
example.table %>%
   group_by(id) %>%
   filter(n_distinct(`supposedly time-constant`) == 1)


#     id  year `supposedly time-constant`
#  <dbl> <dbl>                      <dbl>
#1     1     1                          1
#2     1     2                          1
#3     2     1                          0
#4     2     2                          0

在基本 R 中使用相同的逻辑ave将是

example.table[with(example.table, ave(`supposedly time-constant`, id, 
             FUN = function(x) length(unique(x))) == 1), ]
于 2019-05-01T13:35:39.723 回答
2

您可以使用 data.table 和链接概念来识别哪些 ID/公司显示了这种变化:

example.table[, .(unq_val = length(unique(`supposedly time-constant`))), by = .(id)][unq_val >= 2, .(id)]

上面的代码行可以分解如下: 1. 对于每个 id(在 'by' 参数中), 2. 创建一个名为 unq_val 的变量,它计算唯一的 `supposedly time-constant' 的总数, 3. 然后只选择包含此类变量的值 >= 2 的公司/ID。

代码的输出是:

   id
1:  3
2:  4

这是一个 data.table,然后您可以使用它来过滤掉原始数据中的观察结果。

于 2019-05-01T13:53:41.000 回答
1

另一种dplyr方法all是选择全 0 或全 1 的所有组。如果你有这么多所谓的时间常数条件,这将是低效的:

    library(dplyr)
    example.table %>% 
       group_by(id) %>% 
       filter(all(`supposedly time-constant`==1) | all(`supposedly time-constant`==0))
    # A tibble: 4 x 3
    # Groups:   id [2]
         id  year `supposedly time-constant`
      <dbl> <dbl>                      <dbl>
    1     1     1                          1
    2     1     2                          1
    3     2     1                          0
    4     2     2                          0
于 2019-05-01T13:40:52.680 回答
1

我们可以使用data.table方法,因为它是一个data.table. 按“id”分组,检查唯一元素的长度supposedly time-constant是否等于 1 和子集.SD(data.table 的子集)

library(data.table)
example.table[, .SD[uniqueN(`supposedly time-constant`) == 1], by = id]
#     id year supposedly time-constant
#1:  1    1                        1
#2:  1    2                        1
#3:  2    1                        0
#4:  2    2                        0

或者更快的选择是.I

example.table[example.table[, .I[uniqueN(`supposedly time-constant`)
            == 1], by = id]$V1]
#   id year supposedly time-constant
#1:  1    1                        1
#2:  1    2                        1
#3:  2    1                        0
#4:  2    2                        0
于 2019-05-01T13:49:50.320 回答