按组选取面板数据中的累积最大值

Question

我有一个包含数千个观察值的面板数据集。让我简化一下：

library(dplyr)
x1 = c(NA,NA,NA,5.1,5.0,5.4,5.15,4.9,5,6)
x2 = c(5.9,5.85,5.8,6,5.95,5.98,5.99,6.1,6.15,6.14)
df = data.frame(countrycode = c(replicate(10,"ITA"), replicate(10,"UK")),
                year = c(replicate(2,2010:2019)), LogGdp = c(x1,x2))

然后，我正在寻找一种有效的方法来选择给定变量的最大值（按国家/地区代码），该方法在找到新的最大值时更新。结果应该如下面的记录栏所示

z1 = c(NA,NA,NA,5.1,5.1,5.4,5.4,5.4,5.4,6) 
z2 = c(5.9,5.9,5.9,6,6,6,6,6.1,6.15,6.15)
df = data.frame(countrycode = c(replicate(10,"ITA"), replicate(10,"UK")),
                year = c(replicate(2,2010:2019)), LogGdp = c(x1,x2), record = c(z1,z2))

这是我的尝试：

df %>%
  group_by(countrycode) %>%
  mutate(record = cummax(LogGdp))

Answer 1

您可以用

-Inf

替换缺失值，使用

cummax()

查找累积最大值，然后使用

-Inf

将

NA

转换回

na_if()

。

df %>%
  mutate(record = replace(LogGdp, is.na(LogGdp), -Inf) %>% cummax %>% na_if(-Inf),
         .by = countrycode)

#    countrycode year LogGdp record
# 1          ITA 2010     NA     NA
# 2          ITA 2011     NA     NA
# 3          ITA 2012     NA     NA
# 4          ITA 2013   5.10   5.10
# 5          ITA 2014   5.00   5.10
# 6          ITA 2015   5.40   5.40
# 7          ITA 2016   5.15   5.40
# 8          ITA 2017   4.90   5.40
# 9          ITA 2018   5.00   5.40
# 10         ITA 2019   6.00   6.00
# 11          UK 2010   5.90   5.90
# 12          UK 2011   5.85   5.90
# 13          UK 2012   5.80   5.90
# 14          UK 2013   6.00   6.00
# 15          UK 2014   5.95   6.00
# 16          UK 2015   5.98   6.00
# 17          UK 2016   5.99   6.00
# 18          UK 2017   6.10   6.10
# 19          UK 2018   6.15   6.15
# 20          UK 2019   6.14   6.15

---

另一种选择是

Reduce

+

pmax

。

注意： 这里必须是

pmax()

而不是

max

，因为

pmax(NA, NA, na.rm = TRUE)

按预期返回

NA

，但

max(NA, NA, na.rm = TRUE)

返回

-Inf

并带有烦人的警告消息。

df %>%
  mutate(record = Reduce(\(...) pmax(..., na.rm = TRUE), LogGdp, accumulate = TRUE),
         .by = countrycode)