dplyr 检查每家公司的六月历史

Question

我有一个 1m+ 的数据集，需要检查每个公司 (cusip) 和年份(fyear) 是否有 6 月份的观察结果，其中 datadate 是 YYYYMMDD。我尝试使用substr() 提取月份并进行逻辑测试，如果为真，则不要理会，但如果不是，cusip 将被删除。但是，这不起作用，并且返回关于非逻辑参数和条件长度的错误。我已经在dplyr 之外逐一检查，以确保一切正常，除了dplyr 内部之外，我没有遇到任何问题。任何帮助将不胜感激。

可重现的代码：

tdata <- structure(list(cusip = c(2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 
2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 5, 5, 5, 5, 5, 5, 2), fyear = c(1962L, 
1963L, 1964L, 1965L, 1966L, 1967L, 1968L, 1969L, 1970L, 1971L, 
1972L, 1973L, 1974L, 1975L, 1976L, 1977L, 1978L, 1979L, 1980L, 
1981L, 1982L, 1983L, 1984L, 1985L, 1962L, 1963L, 1964L, 1965L, 
1966L, 1967L, 1969L), datadate = c(19620631L, 19630631L, 19640631L, 
19651231L, 19661231L, 19670631L, 19680631L, 19691231L, 19700631L, 
19710631L, 19720631L, 19730631L, 19740631L, 19751231L, 19760631L, 
19770631L, 19780631L, 19791231L, 19800631L, 19810631L, 19820631L, 
19831231L, 19841231L, 19850631L, 19621231L, 19630631L, 19640631L, 
19650631L, 19660631L, 19670631L, 19690631L)), .Names = c("cusip", "fyear", 
"datadate"), row.names = c(NA, 31L), class = "data.frame")

tdata %>% 
  group_by(cusip) %>% 
  group_by(fyear) %>% 
  arrange(desc(datadate)) %>% 
  if(substr(datadate[1], 5,6) != 06) cusip <- NULL

错误：

Error in if (.) as.numeric(substr(datadate[1], 5, 6)) != 6 else cusip <- NULL : 
  argument is not interpretable as logical
In addition: Warning message:
In if (.) as.numeric(substr(datadate[1], 5, 6)) != 6 else cusip <- NULL :
  the condition has length > 1 and only the first element will be used

Answer 1

为什么不先为月份创建一个列？比如：

library(dplyr)
tdata$month <- substr(tdata$datadate, 5, 6)

tdata %>%
  group_by(cusip, fyear) %>%
  mutate(has_June = month == "06")

请注意，月份是一个字符串，因此要检查是否相等，您需要使用引号。

一气呵成：

tdata %>%
  group_by(cusip, fyear) %>%
  mutate(month = substr(datadate, 5, 6),
         has_June = month == "06")

然后你可以找到那些没有六月的加上：%>% filter(month != "06")