为自基础观察以来的年数创建计数变量答案

【问题标题】：Creating a count variable for number of years since a base observation为自基础观察以来的年数创建计数变量
【发布时间】：2018-01-21 09:40:08
【问题描述】：

我需要创建一个变量，告诉我自第一次观察特定组以来的年数，conflictID。我提供了一个示例数据集来说明我的问题。

conflictID <- c(205,205,205,209,209,221,221,221,221)
year <- c("1993", "1995", "1996", "1991", "1993", "2001", "2002", "2003", "2005")
df <- data.frame(conflictID, year)

这个数据框的输出是：

      conflictID year
1        205     1993
2        205     1995
3        205     1996
4        209     1991
5        209     1993
6        221     2001
7        221     2002
8        221     2003
9        221     2005

我想要这样的东西：

      conflictID year   duration
1        205     1993       0
2        205     1995       2
3        205     1996       3
4        209     1991       0
5        209     1993       2
6        221     2001       0
7        221     2002       1
8        221     2003       2
9        221     2005       4

其中 duration 变量对于每个 conflictid 的第一次观察为 0。基本上，如果有意义的话，我需要一种为每个 conflictID 的第一年设置基准日期的方法？

【问题讨论】：

标签： r date dataframe datediff panel-data

【解决方案1】：

我们可以使用dplyr 库。 df2 是最终输出。

library(dplyr)

df2 <- df %>%
  mutate(year = as.numeric(as.character(year))) %>%
  group_by(conflictID) %>%
  mutate(duration = year - min(year))

df2
# A tibble: 9 x 3
# Groups:   conflictID [3]
  conflictID  year duration
       <dbl> <dbl>    <dbl>
1        205  1993        0
2        205  1995        2
3        205  1996        3
4        209  1991        0
5        209  1993        2
6        221  2001        0
7        221  2002        1
8        221  2003        2
9        221  2005        4

请注意，您的year 列是factor 格式，这很难处理。我建议您在创建数据框时保持 numeric 格式的年份列。请看下面的例子。如果删除年份列中的引号。您的代码不需要mutate(year = as.numeric(as.character(year)))。

conflictID <- c(205,205,205,209,209,221,221,221,221)
year <- c(1993, 1995, 1996, 1991, 1993, 2001, 2002, 2003, 2005)
df <- data.frame(conflictID, year)

【讨论】：

我在示例数据集和我的原始数据集上都尝试过，但似乎都没有奏效。没有错误消息，但 duration 列中的值是错误的。我用数字重新创建了我的数据框，然后使用了您的代码，结果如下： conflictID year duration 1 205 1993 2 2 205 1995 4 3 205 1996 5 4 209 1991 0 5 209 1993 2 6 221 2001 10 7 221 2002 11 8 221 2003 12 9 221 2005 14
抱歉，我没有意识到您无法将代码放入答案中，我是否应该在我自己的问题的单独答案中重现我的代码？我是 stackoverflow 的新手，所以不太了解协议！
你group_by(conflictID)了吗？
更新：我重写了将 dplyr:: 放在 mutate 和 group_by 函数之前的代码，这样就成功了！

【解决方案2】：

base R 中的一行...

df$year <- as.numeric(as.character(df$year)) #your years are factors

df$duration <- df$year - ave(df$year, df$conflictID, FUN=min)

df
  conflictID year duration
1        205 1993        0
2        205 1995        2
3        205 1996        3
4        209 1991        0
5        209 1993        2
6        221 2001        0
7        221 2002        1
8        221 2003        2
9        221 2005        4

【讨论】：

【解决方案3】：

data.table中的另一条线

library(data.table)
setDT(df)[, duration := year - min(year), conflictID]
df
#   conflictID year duration
#1:        205 1993        0
#2:        205 1995        2
#3:        205 1996        3
#4:        209 1991        0
#5:        209 1993        2
#6:        221 2001        0
#7:        221 2002        1
#8:        221 2003        2
#9:        221 2005        4

【讨论】：