我有一个 R 纵向数据集,其中包含在多个时间点观察到的多个国家/地区。让我们简化一下事情并考虑以下示例
set.seed(123)
df=data.frame(Country=c(rep("DEU",20),rep("FRA",20),rep("ITA",20)),Year=rep(c(rep(1,5),rep(2,5),rep(3,5),rep(4,5)),3),industry=rep(c("A","B","C","D"),15),h_emp=rnorm(60,15,3.5))
目标是为每个国家和年份创建一个新行,始终在行业列中标记为“C+D”。 h_emp 中的相应单元格应等于该国家/地区在该特定年份的行业“C”和“D”中 h_emp 值的总和。我怎样才能实现这个目标?
使用 dplyr,创建一个汇总 df,包括
C+D
的总和,然后绑定回原始 df。请注意,您的示例数据对于每年/国家/地区的某些行业都有多个条目;我认为这是一个错误,所以我创建了新的示例数据。
set.seed(123)
library(dplyr)
df <- data.frame(
Country = rep(c("DEU", "FRA", "ITA"), each = 16),
Year = rep(rep(1:4, each = 4), 3),
industry = rep(c("A", "B", "C", "D"), 12),
h_emp = rnorm(48, 15, 3.5)
)
df <- df %>%
filter(industry %in% c("C", "D")) %>%
summarize(
industry = "C+D",
h_emp = sum(h_emp),
.by = c(Country, Year)
) %>%
bind_rows(df, .) %>%
arrange(Country, Year)
结果:
#> head(df, 15)
Country Year industry h_emp
1 DEU 1 A 13.03834
2 DEU 1 B 14.19438
3 DEU 1 C 20.45548
4 DEU 1 D 15.24678
5 DEU 1 C+D 35.70226
6 DEU 2 A 15.45251
7 DEU 2 B 21.00273
8 DEU 2 C 16.61321
9 DEU 2 D 10.57229
10 DEU 2 C+D 27.18549
11 DEU 3 A 12.59602
12 DEU 3 B 13.44018
13 DEU 3 C 19.28429
14 DEU 3 D 16.25935
15 DEU 3 C+D 35.54363