r - 将数据子集到 R 中的第一次出现

Question

我正在尝试对数据进行子集化，因此它只保留第一次出现的变量。我正在查看一个跟踪 worker 职业生涯的面板数据，我正在尝试对数据进行子集化，以便它只在每个人成为老板之前显示。

id  year    name    job    job2
1   1990    Bon     Manager 0
1   1991    Bon     Manager 0
1   1992    Bon     Manager 0
1   1993    Bon     Boss    1
1   1994    Bon     Manager 0
2   1990    Jane    Manager 0
2   1991    Jane    Boss    1
2   1992    Jane    Manager 0
2   1993    Jane    Boss    1

所以我希望数据看起来像:

id  year    name    job   job2
1   1990    Bon     Manager 0
1   1991    Bon     Manager 0
1   1992    Bon     Manager 0
1   1993    Bon     Boss    1
2   1990    Jane    Manager 0
2   1991    Jane    Boss    1

这似乎是基本的审查，但为了我的分析，这是至关重要的..!任何帮助，将不胜感激。

Answer 1

这是一个 dplyr 解决方案，它使用了两个有用的 window functions lag()和 cumall() :

df <- read.table(header = TRUE, text = "
id  year    name    job    job2
1   1990    Bon     Manager 0
1   1991    Bon     Manager 0
1   1992    Bon     Manager 0
1   1993    Bon     Boss    1
1   1994    Bon     Manager 0
2   1990    Jane    Manager 0
2   1991    Jane    Boss    1
2   1992    Jane    Manager 0
2   1993    Jane    Boss    1
", stringsAsFactors = FALSE)

library(dplyr)

# Use mutate to see the values of the new variables
df %>% 
  group_by(id) %>%
  mutate(last_job = lag(job, default = ""), cumall(last_job != "Boss"))

# Use filter to see the results
df %>% 
  group_by(id) %>%
  filter(cumall(lag(job, default = "") != "Boss"))

我们使用 lag()找出每个人在上一年从事的工作，然后使用 cumall()将所有行保持到“Boss”的第一个实例。如果数据尚未按年份排序，您可以使用 lag(job, order_by = year)确保 lag()使用年份的值而不是行顺序来确定哪一年是“去年”。