我有一个数据帧,有些列有NA值。此外,数据不平衡(即ID的年份不相同(。我正试图通过组ID在连续(多年(重复值上创建一个伪变量(R(。
例如,我有一个data.frame:
data <- data.frame(Year = c(1980, 1981, 1982, 1983, 1984, 1990, 1991, 1992, 1993,
1987, 1988, 1989, 1990, 1991, 1992, 1993, 1994, 1995),
ID = c(1,1,1,1,1, 2,2,2,2, 3,3,3,3,3,3,3,3,3),
value=c(0,0,0,NA,1, 0,1,0,1, NA,NA,0,0,0,0,1,0,0))
Year ID value
1 1980 1 0
2 1981 1 0
3 1982 1 0
4 1983 1 NA
5 1984 1 1
6 1990 2 0
7 1991 2 1
8 1992 2 0
9 1993 2 1
10 1987 3 NA
11 1988 3 NA
12 1989 3 0
13 1990 3 0
14 1991 3 0
15 1992 3 0
16 1993 3 1
17 1994 3 0
18 1995 3 0
我对一个新的变量感兴趣,比如"dummy",如果在连续三年或三年以上的时间里,变量"value"的值等于零,则等于零,如果值为NA,则为NA,其余为1。例如,在1980-1982年,第一个ID应该分别为零、1或NA。
我感兴趣的是:
Year ID value dummy
1 1980 1 0 0
2 1981 1 0 0
3 1982 1 0 0
4 1983 1 NA NA
5 1984 1 1 1
6 1990 2 0 1
7 1991 2 1 1
8 1992 2 0 1
9 1993 2 1 1
10 1987 3 NA NA
11 1988 3 NA NA
12 1989 3 0 0
13 1990 3 0 0
14 1991 3 0 0
15 1992 3 0 0
16 1993 3 1 1
17 1994 3 0 1
18 1994 5 0 1
有人能帮我吗?
您可以使用dplyr按ID对数据进行分组,按IDYear排序数据以创建新变量假人将为一,如果且仅当(此人今年的(值以及前一年和前一年的值都等于零。因此,在该示例中,1982年的ID1具有0的伪值。
library(dplyr)
data %>%
group_by(ID) %>%
arrange(ID, Year) %>% ## sort by ID and year
mutate(dummy =
case_when(
value == 0 & lag(value, n = 1) == 0 & lag(value, n = 2) == 0 ~ 0, ## 3 consec years
is.na(value) ~ value, ## if value is NA
TRUE ~ 1 ) ## 1 otherwise
)
# A tibble: 18 x 4
# Groups: ID [3]
Year ID value dummy
<dbl> <dbl> <dbl> <dbl>
1 1980 1 0 1
2 1981 1 0 1
3 1982 1 0 0
4 1983 1 NA NA
5 1984 1 1 1
6 1990 2 0 1
7 1991 2 1 1
8 1992 2 0 1
9 1993 2 1 1
10 1987 3 NA NA
11 1988 3 NA NA
12 1989 3 0 1
13 1990 3 0 1
14 1991 3 0 0
15 1992 3 0 0
16 1993 3 1 1
17 1994 3 0 1
18 1995 3 0 1