r - data.frame 中连续年份的子集

Question

我在 R 中有一个 data.frame/data.table 如下:

df <- data.frame(
  ID = c(rep("A", 20)),
  year = c(1968, 1971, 1972, 1973, 1974, 1976, 1978, 1980, 1982, 1984, 1985, 
           1986, 1987, 1988, 1990, 1991, 1992, 1993, 1994, 1995)
)

我想对 df 进行子集化，以便仅保留那些具有 的条目至少连续五年 .在本例中，这是两个时期(1984:1988 和 1990:1995)的情况。我怎样才能在 R 中做到这一点？

Answer 1

使用 diff 的紧凑解决方案和 cumsum :

setDT(df)[, grp := cumsum(c(0, diff(year)) > 1), by = ID
          ][, if (.N > 4) .SD, by = .(ID, grp)][, grp := NULL][]

这给出了所需的结果:

    ID year
 1:  A 1984
 2:  A 1985
 3:  A 1986
 4:  A 1987
 5:  A 1988
 6:  A 1990
 7:  A 1991
 8:  A 1992
 9:  A 1993
10:  A 1994
11:  A 1995

解释:

与 grp := cumsum(c(0, diff(year)) > 1), by = ID您为每个 ID 创建连续年份的(临时)分组变量.

与 if (.N > 4) .SD, by = .(ID, grp)您只为每个 ID 选择连续 5 年或以上的组.

与 grp := NULL您删除(临时)分组变量。

基础 R 中的一种比较方法:

i <- with(df, ave(year, ID, FUN = function(x) { 
  r <- rle(cumsum(c(0, diff(year)) > 1));
  rep(r$lengths, r$lengths)
  } ))

df[i > 4,] # or df[which(i > 4),]

这会给你同样的结果。