使用dplyr过滤变量中所有类别观测值的年份

我有一个数据集，其中的行是一年和一个阶段的单个观测值，在给定的一年中，可以有零到多个给定阶段的观测值：

df <- data.frame(year = c(2000, 2000, 2000, 2000, 2001, 2001, 
                          2001, 2002, 2002, 2003, 2003, 2003),
                 stage = c("a", "a", "a", "b", "b", "b",
                           "b", "a", "b", "a", "a", "a")) 
df
##    year stage
## 1  2000     a
## 2  2000     a
## 3  2000     a
## 4  2000     b
## 5  2001     b
## 6  2001     b
## 7  2001     b
## 8  2002     a
## 9  2002     b
## 10 2003     a
## 11 2003     a
## 12 2003     a

---

这似乎有点笨重，对于非常大的数据集可能无法很好地扩展。有没有更简单、更直接的方法可以使用

dplyr

对这些年份进行子集划分，而无需调用

tidyr:：spread

？

您可以使用

分组依据%>%filter

；对于每个组，使用

all（c（'a'，'b'）%在%stage）

检查

a

和

b

是否都在stage列中，并根据它筛选组：

df %>% group_by(year) %>% filter(all(c('a', 'b') %in% stage))

# A tibble: 6 x 2
# Groups:   year [2]
#   year  stage
#  <dbl> <fctr>
#1  2000      a
#2  2000      a
#3  2000      a
#4  2000      b
#5  2002      a
#6  2002      b

df%>%group_by（year）%>%filter（所有（c（'a'，'b'）%在%stage中））
#一个tibble:6x2
#组别：年份[2]
#年期
#   
#1 2000年a
#2000年1月2日
#3 2000年a
#2000年b月4日
#5 2002年a
#6 2002年b

您可以使用

分组依据%>%filter

；对于每个组，使用

all（c（'a'，'b'）%在%stage）

检查

a

和

b

是否都在stage列中，并根据它筛选组：

df %>% group_by(year) %>% filter(all(c('a', 'b') %in% stage))

# A tibble: 6 x 2
# Groups:   year [2]
#   year  stage
#  <dbl> <fctr>
#1  2000      a
#2  2000      a
#3  2000      a
#4  2000      b
#5  2002      a
#6  2002      b

df%>%group_by（year）%>%filter（所有（c（'a'，'b'）%在%stage中））
#一个tibble:6x2
#组别：年份[2]
#年期
#   
#1 2000年a
#2000年1月2日
#3 2000年a
#2000年b月4日
#5 2002年a
#6 2002年b

也许这对你有用：

df %>% group_by(year) %>% 
       filter(length(unique(stage)) == 2)

---

也许这对你有用：

df %>% group_by(year) %>% 
       filter(length(unique(stage)) == 2)