r - 在数据帧中将时变变量设置为其初始值

Question

我有这个数据框，其中有美国各州不同时间段的人口数据，我想将每个州的人口设置为其初始值，因为我需要这个变量与时间无关。

这是我的数据集:

state <- c(Alabama, Alabama, Alabama, Arkansas, Arkansas, Arkansas, Arkansas)
year<- c(1990, 1991, 1992, 2002, 2003, 2005, 2011)
population <- c(10000, 11000, 12000, 23000, 24000, 25000, 30000)
df <- data.frame( state, year, population)

我想获得这个(只有“人口”的变化):

state <- c(Alabama, Alabama, Alabama, Arkansas, Arkansas, Arkansas, Arkansas)
year<- c(1990, 1991, 1992, 2002, 2003, 2005, 2011)
population <- c(10000, 10000, 10000, 23000, 23000, 23000, 23000)
df <- data.frame( state, year, population)

这只是我完整数据集的一小部分，所以我需要一个代码来不经常更改州的名称。

谢谢!

Answer 1

我们可以获取每个州的第一个值，并使用 first 将其设置为人口。

library(dplyr)

df %>%
  group_by(state) %>%
  mutate(population = first(population))

输出

  state     year population
  <chr>    <dbl>      <dbl>
1 Alabama   1990      10000
2 Alabama   1991      10000
3 Alabama   1992      10000
4 Arkansas  2002      23000
5 Arkansas  2003      23000
6 Arkansas  2005      23000
7 Arkansas  2011      23000

或者可以写成:

df %>%
  group_by(state) %>%
  mutate(population = population[1])

或者使用data.table:

library(data.table)
dt <- as.data.table(df)

dt[, population := population[1], by = state]

或以 R 为基数:

df[, "population"] <-
  sapply(df["population"], function(z)
    ave(z, df$state, FUN = function(y) y[1]))

数据

df <- structure(list(state = c("Alabama", "Alabama", "Alabama", "Arkansas", 
"Arkansas", "Arkansas", "Arkansas"), year = c(1990, 1991, 1992, 
2002, 2003, 2005, 2011), population = c(10000, 11000, 12000, 
23000, 24000, 25000, 30000)), class = "data.frame", row.names = c(NA, 
-7L))