依赖于范围内的值的子集

Question

我在 Stata 中处理一些数据时遇到了一个小问题。由于在 Stata 中没有简单的方法来解决它（我可以找到），我决定尝试用我有限的 R 知识来解决它。我失败得很惨。

我需要做的是保持观察（default_year - 1）在年份给定的范围内，对于每个orgnr。换句话说：我只想保留组织（orgnr），如果我每年（年）都有关于它们的信息，直到它们的默认值（default_year）。在他们默认之后我是否有信息是无关紧要的。

这段代码在 R 中的外观如何？

我尝试使用子集函数和一些逻辑运算符，但无法使其工作。

orgnr	year	default_year	income
1	2000	2004	100
1	2001	2004	105
1	2002	2004	95
1	2003	2004	75
2	2004	2006	14
2	2005	2006	10
2	2003	2006	6
3	1999	2007	54
3	2000	2007	59
3	1998	2007	50
3	2001	2007	64
3	2002	2007	60
3	2003	2007	51
3	2004	2007	45
3	2005	2007	40
4	2010	2004	5
4	2011	2004	7
5	1999	2000	50
5	1998	2000	45
5	2000	2000	55
5	2001	2000	49
5	2002	2000	51
6	2009	0	10
6	2010	0	12

预期输出：

orgnr	year	default_year	income
1	2000	2004	100
1	2001	2004	105
1	2002	2004	95
1	2003	2004	75
2	2004	2006	14
2	2005	2006	10
2	2003	2006	6
5	1999	2000	50
5	1998	2000	45
5	2000	2000	55
5	2001	2000	49
5	2002	2000	51
6	2009	0	10
6	2010	0	12

Answer 1

使用dplyr，我们可以group_by orgnr 和filter 任何default_year 在范围内的组。

library(dplyr)
df %>%
   group_by(orgnr) %>%
   filter(any(max(year) >= (default_year-1) & min(year) <= (default_year -1)))


#   orgnr  year default_year income
#   <int> <int>        <int>  <int>
# 1     1  2000         2004    100
# 2     1  2001         2004    105
# 3     1  2002         2004     95
# 4     1  2003         2004     75
# 5     2  2004         2006     14
# 6     2  2005         2006     10
# 7     2  2003         2006      6
# 8     5  1999         2000     50
# 9     5  1998         2000     45
#10     5  2000         2000     55
#11     5  2001         2000     49
#12     5  2002         2000     51

编辑

根据问题中的最新编辑，如果 default_year 的值为 0，我们可以添加一个附加条件来检查。

df %>%
   group_by(orgnr) %>%
   filter(all(default_year == 0) | any(max(year) >= (default_year-1) 
           & min(year) <= (default_year -1)))


#  orgnr  year default_year income
#   <int> <int>        <int>  <int>
# 1     1  2000         2004    100
# 2     1  2001         2004    105
# 3     1  2002         2004     95
# 4     1  2003         2004     75
# 5     2  2004         2006     14
# 6     2  2005         2006     10
# 7     2  2003         2006      6
# 8     5  1999         2000     50
# 9     5  1998         2000     45
#10     5  2000         2000     55
#11     5  2001         2000     49
#12     5  2002         2000     51
#13     6  2009            0     10
#14     6  2010            0     12

Answer 2

only keep observations where the (default_year - 1) for each orgnr is within the range given by year.这对我来说不是很清楚。

我想你要么想要

一个。保留default_year - 1 > year 的所有行

或

b.保留default_year - 1 < year 所在的所有行。

为此，您不需要subset() 函数，只需使用索引：

一个。

df2 <- df[df$default_year - 1 > df$year,]

b.

df2 <- df[df$default_year - 1 < df$year,]

---

例子：

df <- read.table(text = "orgnr  year    default_year
1      2000    2004
1      2001    2004
1      2002    2004
1      2003    2004
2      2004    2006
2      2005    2006
2      2003    2006
3      1999    2007
3      2000    2007
3      1998    2007
3      2001    2007
3      2002    2007
3      2003    2007
3      2004    2007
3      2005    2007
4      2010    2004
4      2011    2004
5      1999    2000
5      1998    2000
5      2000    2000
5      2001    2000
5      2002    2000", header = TRUE)

df2 <- df[df$default_year - 1 > df$year,]

> df2
   orgnr year default_year
1      1 2000         2004
2      1 2001         2004
3      1 2002         2004
5      2 2004         2006
7      2 2003         2006
8      3 1999         2007
9      3 2000         2007
10     3 1998         2007
11     3 2001         2007
12     3 2002         2007
13     3 2003         2007
14     3 2004         2007
15     3 2005         2007
19     5 1998         2000

df2 <- df[df$default_year - 1 < df$year,]

> df2
   orgnr year default_year
16     4 2010         2004
17     4 2011         2004
20     5 2000         2000
21     5 2001         2000
22     5 2002         2000