按组的子集面板数据[重复]

Question

我想按组对不平衡面板数据集进行子集化。对于每个组，我想保留第一年和最后几年的两个观察结果。

如何在 R 中最好地做到这一点？例如：

dt <- data.frame(name= rep(c("A", "B", "C"), c(3,2,3)), 
                 year=c(2001:2003,2000,2002,2000:2001,2003))

> dt
  name year
1    A 2001
2    A 2002
3    A 2003
4    B 2000
5    B 2002
6    C 2000
7    C 2001
8    C 2003

我想要什么：

  name year
1    A 2001
3    A 2003
4    B 2000
5    B 2002
6    C 2000
8    C 2003

Answer 1

dplyr 应该会有所帮助。查看 first() 和 last() 以获取您要查找的值，然后根据这些值进行过滤。

dt <- data.frame(name= rep(c("A", "B", "C"), c(3,2,3)), year=c(2001:2003,2000,2002,2000:2001,2003))

library(dplyr)

dt %>%
  group_by(name) %>%
  mutate(first = first(year)
        ,last = last(year)) %>%
  filter(year == first | year == last) %>%
  select(name, year)

  name year
1    A 2001
2    A 2003
3    B 2000
4    B 2002
5    C 2000
6    C 2003

*你的例子没有提到任何具体的顺序，但在这种情况下，arrange() 会有所帮助

Answer 2

这是一个可能的快速data.table 解决方案

library(data.table)
setDT(dt)[, .SD[c(1L, .N)], by = name]
#    name year
# 1:    A 2001
# 2:    A 2003
# 3:    B 2000
# 4:    B 2002
# 5:    C 2000
# 6:    C 2003

或者如果你只有两列

dt[, year[c(1L, .N)], by = name]

Answer 3

这很简单，使用by 按组拆分data.frame，然后返回每个组的头部和尾部。

> do.call(rbind, by(dt, dt$name, function(x) rbind(head(x,1),tail(x,1))))
    name year
A.1    A 2001
A.3    A 2003
B.4    B 2000
B.5    B 2002
C.6    C 2000
C.8    C 2003

head 和 tail 很方便，但速度很慢，所以稍微不同的替代方案在大型数据帧上可能会更快：

do.call(rbind, by(dt, dt$name, function(x) x[c(1,nrow(x)),]))