创建面板数据,填补年份之间的空白,并使用R在随后的年份中重复上一个值
我有以下样本: 我试图将其转换为以下面板数据:创建面板数据,填补年份之间的空白,并使用R在随后的年份中重复上一个值,r,dplyr,panel-data,R,Dplyr,Panel Data,我有以下样本: 我试图将其转换为以下面板数据: 正如您在最后一张图中所看到的,我想重复同一个国家不同年份之间的数值,并重复后续年份直到2020年的最后数值 您可以使用网格。展开以获得所需的国家/地区/年份组合,然后将主数据框加入该网格,最后填充缺失的数据,确保过滤掉任何剩余的NAs 库(dplyr) 图书馆(tidyr) 面板% 左联合(df)%>% 按(国家)划分的组别%>% 填充(c(“id”、“区域代码”、“预POWL”)%>% 过滤器(!is.na(id))%>% as.data.f
正如您在最后一张图中所看到的,我想重复同一个国家不同年份之间的数值,并重复后续年份直到2020年的最后数值 您可以使用
网格。展开以获得所需的国家/地区/年份组合,然后将主数据框加入该网格,最后填充缺失的数据,确保过滤掉任何剩余的NAs
库(dplyr)
图书馆(tidyr)
面板%
左联合(df)%>%
按(国家)划分的组别%>%
填充(c(“id”、“区域代码”、“预POWL”)%>%
过滤器(!is.na(id))%>%
as.data.frame()
结果如下:
panel
#> year country id regioncode prespowl
#> 1 2011 Albania 1 Europe 0.1817557
#> 2 2012 Albania 1 Europe 0.1817557
#> 3 2013 Albania 1 Europe 0.1817557
#> 4 2014 Albania 1 Europe 0.1817557
#> 5 2015 Albania 1 Europe 0.1817557
#> 6 2016 Albania 1 Europe 0.1817557
#> 7 2017 Albania 1 Europe 0.1817557
#> 8 2018 Albania 1 Europe 0.1411482
#> 9 2019 Albania 1 Europe 0.1411482
#> 10 2020 Albania 1 Europe 0.1411482
#> 11 2016 Algeria 2 Africa 0.3837466
#> 12 2017 Algeria 2 Africa 0.3837466
#> 13 2018 Algeria 2 Africa 0.4837466
#> 14 2019 Algeria 2 Africa 0.4837466
#> 15 2020 Algeria 2 Africa 0.4837466
#> 16 1999 Argentina 3 Americas 0.2887138
#> 17 2000 Argentina 3 Americas 0.2887138
#> 18 2001 Argentina 3 Americas 0.2887138
#> 19 2002 Argentina 3 Americas 0.2887138
#> 20 2003 Argentina 3 Americas 0.2887138
#> 21 2004 Argentina 3 Americas 0.2887138
#> 22 2005 Argentina 3 Americas 0.2887138
#> 23 2006 Argentina 3 Americas 0.4322523
#> 24 2007 Argentina 3 Americas 0.4322523
#> 25 2008 Argentina 3 Americas 0.4322523
#> 26 2009 Argentina 3 Americas 0.4322523
#> 27 2010 Argentina 3 Americas 0.4322523
#> 28 2011 Argentina 3 Americas 0.4322523
#> 29 2012 Argentina 3 Americas 0.4322523
#> 30 2013 Argentina 3 Americas 0.5453171
#> 31 2014 Argentina 3 Americas 0.5453171
#> 32 2015 Argentina 3 Americas 0.5453171
#> 33 2016 Argentina 3 Americas 0.5453171
#> 34 2017 Argentina 3 Americas 0.5453171
#> 35 2018 Argentina 3 Americas 0.5453171
#> 36 2019 Argentina 3 Americas 0.5453171
#> 37 2020 Argentina 3 Americas 0.5453171
使用的数据:
df <- read.table(text= 'country year id regioncode prespowl
Albania 2011 1 Europe 0.1817557
Albania 2018 1 Europe 0.1411482
Algeria 2016 2 Africa 0.3837466
Algeria 2018 2 Africa 0.4837466
Argentina 1999 3 Americas 0.2887138
Argentina 2006 3 Americas 0.4322523
Argentina 2013 3 Americas 0.5453171
', header = TRUE, stringsAsFactors = FALSE)
df您可以使用网格。展开以获得所需的国家/地区/年份组合,然后将主数据框加入该组合,最后填充缺失的数据,确保过滤掉任何剩余的NAs
库(dplyr)
图书馆(tidyr)
面板%
左联合(df)%>%
按(国家)划分的组别%>%
填充(c(“id”、“区域代码”、“预POWL”)%>%
过滤器(!is.na(id))%>%
as.data.frame()
结果如下:
panel
#> year country id regioncode prespowl
#> 1 2011 Albania 1 Europe 0.1817557
#> 2 2012 Albania 1 Europe 0.1817557
#> 3 2013 Albania 1 Europe 0.1817557
#> 4 2014 Albania 1 Europe 0.1817557
#> 5 2015 Albania 1 Europe 0.1817557
#> 6 2016 Albania 1 Europe 0.1817557
#> 7 2017 Albania 1 Europe 0.1817557
#> 8 2018 Albania 1 Europe 0.1411482
#> 9 2019 Albania 1 Europe 0.1411482
#> 10 2020 Albania 1 Europe 0.1411482
#> 11 2016 Algeria 2 Africa 0.3837466
#> 12 2017 Algeria 2 Africa 0.3837466
#> 13 2018 Algeria 2 Africa 0.4837466
#> 14 2019 Algeria 2 Africa 0.4837466
#> 15 2020 Algeria 2 Africa 0.4837466
#> 16 1999 Argentina 3 Americas 0.2887138
#> 17 2000 Argentina 3 Americas 0.2887138
#> 18 2001 Argentina 3 Americas 0.2887138
#> 19 2002 Argentina 3 Americas 0.2887138
#> 20 2003 Argentina 3 Americas 0.2887138
#> 21 2004 Argentina 3 Americas 0.2887138
#> 22 2005 Argentina 3 Americas 0.2887138
#> 23 2006 Argentina 3 Americas 0.4322523
#> 24 2007 Argentina 3 Americas 0.4322523
#> 25 2008 Argentina 3 Americas 0.4322523
#> 26 2009 Argentina 3 Americas 0.4322523
#> 27 2010 Argentina 3 Americas 0.4322523
#> 28 2011 Argentina 3 Americas 0.4322523
#> 29 2012 Argentina 3 Americas 0.4322523
#> 30 2013 Argentina 3 Americas 0.5453171
#> 31 2014 Argentina 3 Americas 0.5453171
#> 32 2015 Argentina 3 Americas 0.5453171
#> 33 2016 Argentina 3 Americas 0.5453171
#> 34 2017 Argentina 3 Americas 0.5453171
#> 35 2018 Argentina 3 Americas 0.5453171
#> 36 2019 Argentina 3 Americas 0.5453171
#> 37 2020 Argentina 3 Americas 0.5453171
使用的数据:
df <- read.table(text= 'country year id regioncode prespowl
Albania 2011 1 Europe 0.1817557
Albania 2018 1 Europe 0.1411482
Algeria 2016 2 Africa 0.3837466
Algeria 2018 2 Africa 0.4837466
Argentina 1999 3 Americas 0.2887138
Argentina 2006 3 Americas 0.4322523
Argentina 2013 3 Americas 0.5453171
', header = TRUE, stringsAsFactors = FALSE)
df trycomplete()
和fill()
如果需要更具体的帮助,请创建trycomplete()
和fill()
如果需要更具体的帮助,请创建