我有两个数据帧(DF1和DF2):
(1)DF1包含个人层面的信息,即在11年(2000-2011)内以30个单位嵌套的10,000个人 . 它包含四个变量:
-
"individual"(每个人的数字ID;范围从1-10.000)
-
"unit"(每个单位的数字ID;范围从1-30)
-
"date1"(日期格式的日期,即2000-01-01等;范围从2000-01-01到2010-12-31)
-
"date2"("Date1" 1年)
(2)DF2包含有关单位级别的信息,即在同一时间段(2000-2011)内与DF1相同的30个单位,并且还包含一个数字变量("x"):
-
"unit"(每个单位的数字ID;范围从1-30)
-
"date"(日期格式的日期,即2000-01-01等;范围从2000-01-01至2011-12-31)
-
"x"(一个数字变量,范围从0到200)
我想创建一个新变量(“newvar”),它为每个“单位”给出每个“个体”,“x”(DF2)从“date1”(DF1)到“date2”(DF2)的总和 . 这意味着我想将这个新变量添加到DF1 .
例如,如果“unit”= 1中的“individual”= 1具有“date1”= 2000-01-01且“date2”= 2001-01-01,并且在DF2中“unit”= 1则具有三个时间观察值句点“date1”到“date2”(即2000-01-01到2001-01-01),“x”= 1,“x”= 2,“x”= 3,那么我想添加一个新的变量在“单位”中给出“个人”= 1 = 1“newvar”= 6 .
我假设我需要在R中使用for循环并使用以下代码:
for(i in length(DF1)){
DF1$newvar[i] <-sum(DF2$x[which(DF1$date == DF1$date1[i] &
DF1$date == DF1P$date1[i] &
DF2$unit == DF1P$unit[i]),])
}
但得到错误信息:
Error in DF2$x[which(DF2$date == : incorrect number of dimensions
如何创建这个变量的任何想法将非常感激!
这是一个小例子以及预期输出,为简单起见使用一个单元:
假设DF1如下所示:
individual unit date1 date2
1 1 2000-01-01 2001-01-01
2 1 2000-02-02 2001-02-02
3 1 2000-03-03 2000-03-03
4 1 2000-04-04 2000-04-04
5 1 2000-12-31 2001-12-31
(...)
996 1 2010-01-01 2011-01-01
997 1 2010-02-15 2011-02-15
998 1 2010-03-05 2011-03-05
999 1 2010-04-10 2011-04-10
1000 1 2010-12-27 2011-12-27
1001 2 2000-01-01 2001-01-01
1002 2 2000-02-02 2001-02-02
1003 2 2000-03-03 2000-03-03
1004 2 2000-04-04 2000-04-04
1005 2 2000-12-31 2001-12-31
(...)
1996 2 2010-01-01 2011-01-01
1997 2 2010-02-15 2011-02-15
1998 2 2010-03-05 2011-03-05
1999 2 2010-04-10 2011-04-10
2000 2 2010-12-027 2011-12-27
(...)
3000 34 2000-02-02 2002-02-02
3001 34 2000-05-05 2001-05-05
3002 34 2000-06-06 2001-06-06
3003 34 2000-07-07 2001-07-07
3004 34 2000-11-11 2001-11-11
(...)
9996 34 2010-02-06 2011-02-06
9997 34 2010-05-05 2011-05-05
9998 34 2010-09-09 2011-09-09
9999 34 2010-09-25 2011-09-25
10000 34 2010-10-15 2011-10-15
假设DF2看起来如下:
unit date x
1 2000-01-01 1
1 2000-05-01 2
1 2000-12-01 3
1 2001-01-02 10
1 2001-07-05 20
1 2001-12-31 30
(...)
2 2010-05-05 1
2 2010-07-01 1
2 2010-08-09 1
3 (...)
这是我希望DF1在运行代码后的样子:
individual unit date1 date2 newvar
1 1 2000-01-01 2001-01-01 6
2 1 2000-02-02 2001-02-02 16
3 1 2000-03-03 2001-03-03 15
4 1 2000-04-04 2001-04-04 15
5 1 2000-12-31 2001-12-31 60
(...)
996 1 2010-01-01 2011-01-01 3
997 1 2010-02-15 2011-02-15 2
998 1 2010-03-05 2011-03-05 2
999 1 2010-04-10 2011-04-10 2
1000 1 2010-12-27 2011-12-27 0
(...)
但是,我不能简单地汇总:想象一下,在DF1中,每个“单位”在2000年到2011年之间每年有数百个人 . 而DF2在2000 - 2011年期间对每个单位都有很多观察 .
2 回答
你几乎就在那里,我只是略微修改你的for循环,并确保日期变量被认为是这样的:
问题是,你要求
DF2$date
同时==
DF1$date1
&DF1$date2
. 而且,length(DF1)
为您提供了列数 . 要获得行数,您可以使用nrow(DF1)
或dim(DF1)[1]
.我们可以用
data.table
或者我们可以使用非equi连接