R - 过滤多年来保持不变的观察结果答案

【问题标题】：R - filter observations that remain the same over multiple yearsR - 过滤多年来保持不变的观察结果
【发布时间】：2020-09-27 00:12:20
【问题描述】：

我已经准备了一个示例data.table：

testTable <- data.table(years = rep(c(rep((2014),3),rep((2015),3), rep((2016),3)), 2), 
                        policy = c(rep("A", 9), rep("B",9)),
                        destination = rep(c("Paris", "London", "Berlin"), 6))

testTable[c(1,5,8), destination := c("Moskaw", "Milano", "Valencia")]

> testTable
    years policy destination
 1:  2014      A      Moskaw
 2:  2014      A      London
 3:  2014      A      Berlin
 4:  2015      A       Paris
 5:  2015      A      Milano
 6:  2015      A      Berlin
 7:  2016      A       Paris
 8:  2016      A    Valencia
 9:  2016      A      Berlin
10:  2014      B       Paris
11:  2014      B      London
12:  2014      B      Berlin
13:  2015      B       Paris
14:  2015      B      London
15:  2015      B      Berlin
16:  2016      B       Paris
17:  2016      B      London
18:  2016      B      Berlin

在这里，我只想保留在数据中可用的所有年份中具有相同 destination 的观察结果。在这个例子中，我只选择了 3 年的政策，但真实数据也可能有 2,3 和 4 年的历史混合在一个 data.table 中。

想要的结果是：

> testTable
    years policy destination
 3:  2014      A      Berlin
 6:  2015      A      Berlin
 9:  2016      A      Berlin
10:  2014      B       Paris
11:  2014      B      London
12:  2014      B      Berlin
13:  2015      B       Paris
14:  2015      B      London
15:  2015      B      Berlin
16:  2016      B       Paris
17:  2016      B      London
18:  2016      B      Berlin

Any ides?

我尝试使用dcast()，然后我想过滤那些在policy 之后的所有列中具有相同条目的行，但是我意识到dcast() 自动将我的字符变量destination 转换为数字并聚合我的数据使用长度：

Aggregate function missing, defaulting to 'length'

注意：我的数据将包含数百个观察值。

【问题讨论】：

所以您只想保留每年重复的目的地？如果它们看起来更少，则下降？对吗？
没错，@Rookie

标签： r data.table character lag dcast

【解决方案1】：

我们可以为每个policy 过滤每个years 中存在的常见destination。

library(data.table)

testTable[testTable[, destination %in% 
                      Reduce(intersect, split(destination, years)), policy]$V1]


#    years policy destination
# 1:  2014      A      Berlin
# 2:  2015      A      Berlin
# 3:  2016      A      Berlin
# 4:  2014      B       Paris
# 5:  2014      B      London
# 6:  2014      B      Berlin
# 7:  2015      B       Paris
# 8:  2015      B      London
# 9:  2015      B      Berlin
#10:  2016      B       Paris
#11:  2016      B      London
#12:  2016      B      Berlin

在dplyr：

library(dplyr)

testTable %>%
  group_by(policy) %>%
  filter(destination %in% Reduce(intersect, split(destination, years)))

【讨论】：

【解决方案2】：

这应该可以解决

library(tidyverse)
library(data.table)
#> 
#> Attaching package: 'data.table'
#> The following objects are masked from 'package:dplyr':
#> 
#>     between, first, last
#> The following object is masked from 'package:purrr':
#> 
#>     transpose

testTable <- data.table(years = rep(c(rep((2014),3),rep((2015),3), rep((2016),3)), 2), 

                        policy = c(rep("A", 9), rep("B",9)),
                        destination = rep(c("Paris", "London", "Berlin"), 6))

testTable[c(1,5,8), destination := c("Moskaw", "Milano", "Valencia")]

testTable %>%
  mutate(distinct_years = n_distinct(years)) %>% 
  group_by(policy,destination) %>%
  filter(n_distinct(years) ==distinct_years)
#> # A tibble: 12 x 4
#> # Groups:   policy, destination [4]
#>    years policy destination distinct_years
#>    <dbl> <chr>  <chr>                <int>
#>  1  2014 A      Berlin                   3
#>  2  2015 A      Berlin                   3
#>  3  2016 A      Berlin                   3
#>  4  2014 B      Paris                    3
#>  5  2014 B      London                   3
#>  6  2014 B      Berlin                   3
#>  7  2015 B      Paris                    3
#>  8  2015 B      London                   3
#>  9  2015 B      Berlin                   3
#> 10  2016 B      Paris                    3
#> 11  2016 B      London                   3
#> 12  2016 B      Berlin                   3

^{由reprex package (v0.3.0) 于 2020-06-08 创建}

【讨论】：

【解决方案3】：

这是另一种 data.table 方法：

dt[, if(all(unique(dt$years) %in% years)) .SD, by = .(policy, destination)]
#     policy destination years
#  1:      A      Berlin  2014
#  2:      A      Berlin  2015
#  3:      A      Berlin  2016
#  4:      B       Paris  2014
#  5:      B       Paris  2015
#  6:      B       Paris  2016
#  7:      B      London  2014
#  8:      B      London  2015
#  9:      B      London  2016
# 10:      B      Berlin  2014
# 11:      B      Berlin  2015
# 12:      B      Berlin  2016

【讨论】：