R 根据各组的观测年数建立新的数据集

我想建立一个新的数据集，其中包括每个公司至少有4年的观测值，因为我将使用1~4个滞后回归。 在这种情况下，固定1和4用于新数据集，固定2和3应删除

---

如何使用subset命令创建新的数据集。

如果您想用4个或更多观察值对所有公司进行子集，可以这样做：

    firm year     inv   value capital
1      1 1935  317.60 3078.50    2.80
2      1 1936  391.80 4661.70   52.60
3      1 1937  410.60 5387.10  156.90
4      1 1938  257.70 2792.20  209.20
5      1 1939  330.80 4313.20  203.40
6      1 1940  461.20 4643.90  207.20
7      1 1941  512.00 4551.20  255.20
8      1 1942  448.00 3244.10  303.70
9      2 1936  355.30 1807.10   50.50
10     2 1937  469.90 2676.30  118.10
11     2 1938  262.30 1801.90  260.20
12     3 1935   33.10 1170.60   97.80
13     4 1935   40.29  417.50   10.50
14     4 1936   72.76  837.80   10.20
15     4 1937   66.26  883.90   34.70
16     4 1938   51.60  437.90   51.80
17     4 1939   52.41  679.70   64.30

或使用dplyr：

df[ave(df$firm, df$firm, FUN = length) >= 4,]
#   firm year    inv  value capital
#1     1 1935 317.60 3078.5     2.8
#2     1 1936 391.80 4661.7    52.6
#3     1 1937 410.60 5387.1   156.9
#4     1 1938 257.70 2792.2   209.2
#5     1 1939 330.80 4313.2   203.4
#6     1 1940 461.20 4643.9   207.2
#7     1 1941 512.00 4551.2   255.2
#8     1 1942 448.00 3244.1   303.7
#13    4 1935  40.29  417.5    10.5
#14    4 1936  72.76  837.8    10.2
#15    4 1937  66.26  883.9    34.7
#16    4 1938  51.60  437.9    51.8
#17    4 1939  52.41  679.7    64.3

使用表格和简单子集的解决方案：

library(dplyr)
group_by(df, firm) %>% filter(n() >= 4)

PS.要从问题中重新创建数据，请执行以下操作：

   firm year    inv  value capital
1     1 1935 317.60 3078.5     2.8
2     1 1936 391.80 4661.7    52.6
3     1 1937 410.60 5387.1   156.9
4     1 1938 257.70 2792.2   209.2
5     1 1939 330.80 4313.2   203.4
6     1 1940 461.20 4643.9   207.2
7     1 1941 512.00 4551.2   255.2
8     1 1942 448.00 3244.1   303.7
13    4 1935  40.29  417.5    10.5
14    4 1936  72.76  837.8    10.2
15    4 1937  66.26  883.9    34.7
16    4 1938  51.60  437.9    51.8
17    4 1939  52.41  679.7    64.3

或者使用data.table

对于大数据集，二进制搜索可能很有用

library(data.table)
setDT(df)[, .SD[.N >= 4L], firm]
#     firm year    inv  value capital
#  1:    1 1935 317.60 3078.5     2.8
#  2:    1 1936 391.80 4661.7    52.6
#  3:    1 1937 410.60 5387.1   156.9
#  4:    1 1938 257.70 2792.2   209.2
#  5:    1 1939 330.80 4313.2   203.4
#  6:    1 1940 461.20 4643.9   207.2
#  7:    1 1941 512.00 4551.2   255.2
#  8:    1 1942 448.00 3244.1   303.7
#  9:    4 1935  40.29  417.5    10.5
# 10:    4 1936  72.76  837.8    10.2
# 11:    4 1937  66.26  883.9    34.7
# 12:    4 1938  51.60  437.9    51.8
# 13:    4 1939  52.41  679.7    64.3

或者只是

setkey(setDT(df)[, indx := .N >= 4L, firm], indx)[J(TRUE)]

或者正如@Arun所指出的，这似乎是最好的

setDT(df)[df[, indx := .N >= 4L, firm]$indx]

---

与Andrie的示例并排演示dplyr中的n函数。我想知道dplyr:：n是否能在多维体操中跟上table的步伐？@bondedust，您是指在3维或更多维阵列上操作时？我不希望dplyr能处理这个问题，但也许我误解了你的评论？这就是我的意思。但我不是一个精明的dplyr用户，也许group_by可以处理多个地层条件？老实说，我不知道地层条件是什么。。我的理解是dplyr只适用于data.frame类对象，这就是为什么我认为它不适用于多维数组，但这可能是错误的。dplyr的n显然不会取代table，但我相信它从未打算这样做。它接受任意长度的变量集来分组，这就是我的意思。谢谢。我试过那种形式，但需要时间来练习。我将在下次发布正确的数据格式。

setkey(setDT(df)[, indx := .N >= 4L, firm], indx)[J(TRUE)]

setDT(df)[df[, indx := .N >= 4L, firm]$indx]

setDT(df)[, if(.N >= 4L) .SD, by = firm]