如何根据另一个变量的第一个条目创建新变量答案

【问题标题】：how to to create new variable based on first entry of another variable如何根据另一个变量的第一个条目创建新变量
【发布时间】：2019-12-16 11:02:25
【问题描述】：

我创建了df

  gvkey  year 
1  1004  1965    
2  1004  1966       
3  1004  1967      
4  1005  1950        
5  1005  1951      
...

gvkey = 公司 ID

我的数据框包含 1200 多个唯一的 gvkeys，year 的起始值不同。

我想在df 中创建一个名为ipo_date 的列，它等于特定gvkey 的year 列中的第一个条目。

  gvkey  year  ipo_date
1  1004  1965    1965
2  1004  1966    1965
3  1004  1967    1965
4  1005  1950    1950
5  1005  1951    1950
...

之后我想删除ipo_date 的所有重复行并删除year 列

  gvkey  ipo_date
1  1004   1965
2  1005   1950
...

非常感谢！！！

【问题讨论】：

标签： r conditional-statements transform

【解决方案1】：

你可以选择每个gvkey的第一行

library(dplyr)
df %>%  group_by(gvkey) %>%  slice(1L) %>%  rename_at(2, ~"ipo_date")

#  gvkey ipo_date
#  <int>    <int>
#1  1004     1965
#2  1005     1950

在data.table和base R中使用相同的逻辑，我们可以做到

library(data.table)
setDT(df)[, .SD[1L], gvkey]

和

aggregate(year~gvkey, df, head, 1)

【讨论】：

【解决方案2】：

library(data.table)
df = as.data.table(df)
df = df[order(gvkey,year)]
df[,`:=`(ipo_date=min(year)),by=c("gvkey")][,`:=`(year=NULL)]
df = unique(df)

【讨论】：

【解决方案3】：

这是一个单行解决方案：

library(plyr)
df <- data.frame(gvkey = c(1004, 1004, 1004, 1005, 1005),
                 year = c(1965, 1966, 1967, 1950, 1951))

df_agg <- ddply(df, c('gvkey'), summarise, ipo_date = min(year))
> df_agg
  gvkey ipo_date
1  1004     1965
2  1005     1950

【讨论】：

【解决方案4】：

这应该可以解决问题：

library(tidyverse)
df %>% 
  group_by(gvkey) %>% 
  mutate(ipo_date = min(year)) %>% 
  select(-year) %>% 
  distinct()

输出：

# A tibble: 2 x 2
# Groups:   gvkey [2]
  gvkey ipo_date
  <dbl>    <dbl>
1  1004     1965
2  1005     1950

【讨论】：