我有一个数据帧，如下所示：
state year value
1 1980 4
1 1981 5
1 1982 4
2 1980 2
2 1981 3
2 1982 4
100 1980 3
100 1981 2
100 1982 5
在实际数据集中，状态比此处显示的要多。我想在 100 州和所有其他州之间进行比较。
具体来说，对于每个州，我想找出该州在特定年份给出的值与同一年为状态 100 给出的值之间的差异。下面，我展示了如何比较状态 1 和状态 100 之间的 1980 年值。
df_1 <- df %>% filter(state == 1)
df_100 <- df %>% filter(state == 100)
df_1_1980 <- df_1 %>% filter(year == 1980)
df_100_1980 <- df_100 %>% filter(year == 1980)
difference <- df_1_1980$value - df_100_1980$value
如何对数据帧中的所有其他状态和年份执行此操作？
我考虑过的一种可能性是创建一个仅由状态 100 中的数据组成的数据帧，然后将其连接到原始数据帧，如下所示：
state year value state100 year100 value100
1 1980 4 100 1980 3
1 1981 5 100 1981 2
1 1982 4 100 1982 5
2 1980 2 100 1980 3
2 1981 3 100 1981 2
2 1982 4 100 1982 5
然后，我可以从每行的 df$value100 中减去 df$value。我认为有更好的方法可以做到这一点。
我们可以filter不等于 100 的"状态"，left_join"状态"为 100 的数据集，by"年"，并得到"值"列之间的差异
library(dplyr)
df %>%
filter(state != 100) %>%
left_join(df %>%
filter(state == 100) %>%
select(-state), by = c('year')) %>%
transmute(state, year, value = value.x, difference = value.x - value.y)
# state year value difference
#1 1 1980 4 1
#2 1 1981 5 3
#3 1 1982 4 -1
#4 2 1980 2 -1
#5 2 1981 3 1
#6 2 1982 4 -1
数据
df <- structure(list(state = c(1L, 1L, 1L, 2L, 2L, 2L, 100L, 100L,
100L), year = c(1980L, 1981L, 1982L, 1980L, 1981L, 1982L, 1980L,
1981L, 1982L), value = c(4L, 5L, 4L, 2L, 3L, 4L, 3L, 2L, 5L)),
class = "data.frame", row.names = c(NA,
-9L))