R 为无序重复二元分配平均值和/或条件分配

我遇到了一些比我的技能稍高的东西。我正在处理国际货币基金组织的贸易数据，这些数据由国家之间的二元数据组成。国际货币基金组织的数据集由“无序重复”记录组成，每个国家单独报告贸易数据。然而，由于各种定时、记录系统、制度类型等，相应值之间存在差异。我试图用两种方式处理这些数据：

将平均值分配给重复的二元数

根据单独的经济指标或发展指数有条件地分配二元值（我更信任谁？）

关于识别无序的重复项，有好几次讨论，但经过几天的搜索，我还没有看到我要做什么

下面是一个原始数据的示例。实际上，还有更多的变量和几十万个二元数：

reporter<-c('USA','GER','AFG','FRA','CHN')
partner<-c('AFG','CHN','USA','CAN','GER')
year<-c(2010,2010,2010,2009,2010)
import<-c(-1000,-2000,-2400,-1200,-2000)
export<-c(2500,2200,1200,2900,2100)
rep_econ1<-c(28,32,12,25,19)

imf<-data.table(reporter,partner,year,import,export,rep_econ1)

imf

   reporter partner year import export rep_econ1
1:      USA     AFG 2010  -1000   2500        28
2:      GER     CHN 2010  -2000   2200        32
3:      AFG     USA 2010  -2400   1200        12
4:      FRA     CAN 2009  -1200   2900        25
5:      CHN     GER 2010  -2000   2100        19

目标2：

有条件地分配较高的经济指标（

代表经济1

）

可能不是所有的二人组都有两次演出，所以我加入了一张独唱唱片。我更喜欢

data.table

，但我会选择任何能引导我走上正确道路的东西

感谢您抽出时间。

预处理：

library(data.table)

# get G = reporter/partner group and N = number of rows for each group
# Thanks @eddi for simplifying
imf[, G := .GRP, by = .(year, pmin(reporter, partner), pmax(reporter, partner))]
imf[, N := .N, G]

备选案文1（手段）

备选方案2（最高经济指标）

及

imf[N==2
，c（'import'，'export'）：={
o获得分组的标准技巧是通过=（pmin（reporter，partner），pmax（reporter，partner））

；+您可以动态检查.N而无需预先计算它。这不是我的意思。N，我的意思是使用

if/else

（可以说更麻烦）-如果你只想选择那些行以开始，你仍然需要预先计算它。哦，我明白了。我想可能我错过了一个

数据。表
更新和
。N
可以用在
I
中，现在你可以把它放在
by
参数中。只需将它添加到前面，作为
by=（year，pmin（reporter，partner），pmax（报告者，合伙人）]
。我编辑了答案以添加这一点。看起来
imf[，G:=.GRP，by=（pmin（报告者，合伙人），pmax（报告者，合伙人），year）]
有效。
 reporter   partner year    import  export  rep_econ1
 USA         AFG    2010    -1000   2500    28
 GER         CHN    2010    -2000   2200    32
 AFG         USA    2010    -2500   1000    12
 FRA         CAN    2009    -1200   2900    25
 CHN         GER    2010    -2200   2000    19

library(data.table)

# get G = reporter/partner group and N = number of rows for each group
# Thanks @eddi for simplifying
imf[, G := .GRP, by = .(year, pmin(reporter, partner), pmax(reporter, partner))]
imf[, N := .N, G]

# for groups with 2 rows, average imports and exports
imf[N == 2
    ,   `:=`(import = (import - rev(export))/2
           , export = (export - rev(import))/2)
    , by = G]

imf


#    reporter partner year import export rep_econ1 G N
# 1:      USA     AFG 2010  -1100   2450        28 1 2
# 2:      GER     CHN 2010  -2050   2100        32 2 2
# 3:      AFG     USA 2010  -2450   1100        12 1 2
# 4:      FRA     CAN 2009  -1200   2900        25 3 1
# 5:      CHN     GER 2010  -2100   2050        19 2 2

# for groups with 2 rows, choose imports and exports based on highest rep_econ1
imf[N == 2
    , c('import', 'export') := {
        o <- order(-rep_econ1)
        import <- cbind(import, -export)[o[1], o]
        .(import, export = -rev(import))}
    , by = G]

imf


#    reporter partner year import export rep_econ1 G N
# 1:      USA     AFG 2010  -1000   2500        28 1 2
# 2:      GER     CHN 2010  -2000   2200        32 2 2
# 3:      AFG     USA 2010  -2500   1000        12 1 2
# 4:      FRA     CAN 2009  -1200   2900        25 3 1
# 5:      CHN     GER 2010  -2200   2000        19 2 2

imf[N == 2
    ,   `:=`(import = (import + rev(export))/2
           , export = (export + rev(import))/2)
    , by = G]

imf[N == 2
    , c('import', 'export') := {
        o <- order(-rep_econ1)
        import <- cbind(import, export)[o[1], o]
        .(import, export = rev(import))}
    , by = G]