R elegante Weg, um das Gleichgewicht unbalanced panel data

So, ich bin nicht sicher, es erfüllt die "elegante" Anforderung, aber hier ist eine Allgemeine Funktion, die Sie verwenden können, um symmetrische Daten.

balanced<-function(data, ID, TIME, VARS, required=c("all","shared")) {
    if(is.character(ID)) {
        ID <- match(ID, names(data))
    }
    if(is.character(TIME)) {
        TIME <- match(TIME, names(data))
    }
    if(missing(VARS)) { 
        VARS <- setdiff(1:ncol(data), c(ID,TIME))
    } else if (is.character(VARS)) {
        VARS <- match(VARS, names(data))
    }
    required <- match.arg(required)
    idf <- do.call(interaction, c(data[, ID, drop=FALSE], drop=TRUE))
    timef <- do.call(interaction, c(data[, TIME, drop=FALSE], drop=TRUE))
    complete <- complete.cases(data[, VARS])
    tbl <- table(idf[complete], timef[complete])
    if (required=="all") {
        keep <- which(rowSums(tbl==1)==ncol(tbl))
        idx <- as.numeric(idf) %in% keep
    } else if (required=="shared") {
        keep <- which(colSums(tbl==1)==nrow(tbl))
        idx <- as.numeric(timef) %in% keep
    }
    data[idx, ]
}

Können Sie Ihre gewünschte Ergebnis mit

balanced(unbal, "PERSON","YEAR")

#    PERSON YEAR  Y  X
# 1   Frank 2001 21  1
# 2   Frank 2002 22  2
# 3   Frank 2003 23  3
# 4   Frank 2004 24  4
# 5   Frank 2005 25  5
# 11 Edward 2001 31 11
# 12 Edward 2002 32 12
# 13 Edward 2003 33 13
# 14 Edward 2004 34 14
# 15 Edward 2005 35 15

Der erste parameter ist die Daten.frame, den Sie möchten Teilmenge. Der zweite parameter (ID=) ist ein Charakter-Vektor der Spaltennamen, identifizieren jede "person" im Datensatz. Dann die TIME= parameter ist auch ein Charakter-Vektor Angabe der verschiedenen Beobachtungszeiten für jede ID. Schließlich können Sie Optional angeben, eine VARS= - argument, um anzugeben, welche Felder müssen NA (der Standardwert ist alle andere als ID-oder Zeitwerten). Schließlich gibt es eine Letzte parameter namens required die Mitgliedstaaten, ob für jede ID muss über eine Beobachtung, die für jeden ZEITPUNKT (Verzug) oder wenn du es auf "freigegeben", es werden nur die ZEITEN, dass alle IDs haben, die nicht fehlenden Werte.

So zum Beispiel

balanced(unbal, "PERSON","YEAR", "X")

#    PERSON YEAR  Y  X
# 1   Frank 2001 21  1
# 2   Frank 2002 22  2
# 3   Frank 2003 23  3
# 4   Frank 2004 24  4
# 5   Frank 2005 25  5
# 6    Tony 2001  5  6
# 7    Tony 2002  6  7
# 8    Tony 2003 NA  8
# 9    Tony 2004  7  9
# 10   Tony 2005  8 10
# 11 Edward 2001 31 11
# 12 Edward 2002 32 12
# 13 Edward 2003 33 13
# 14 Edward 2004 34 14
# 15 Edward 2005 35 15

nur verlangt, dass "X" sein, NA für alle PERSON/JAHRE und da dies wahr ist, für alle Datensätze, kein sub-Einstellung erfolgt.

Wenn Sie

balanced(unbal, "PERSON","YEAR", required="shared")

#    PERSON YEAR  Y  X
# 1   Frank 2001 21  1
# 2   Frank 2002 22  2
# 4   Frank 2004 24  4
# 5   Frank 2005 25  5
# 6    Tony 2001  5  6
# 7    Tony 2002  6  7
# 9    Tony 2004  7  9
# 10   Tony 2005  8 10
# 11 Edward 2001 31 11
# 12 Edward 2002 32 12
# 14 Edward 2004 34 14
# 15 Edward 2005 35 15

dann bekommen Sie die Daten für die Jahre 2001, 2002, 2004, 2005 für ALLE Personen, da Sie alle Daten für die Jahre.

Lassen Sie uns nun verwenden, erstellen Sie ein etwas anderes Beispiel-Datensatz

unbal2 <- unbal 
unbal2[15, 2] <- 2006
tail(unbal2)

#    PERSON YEAR  Y  X
# 10   Tony 2005  8 10
# 11 Edward 2001 31 11
# 12 Edward 2002 32 12
# 13 Edward 2003 33 13
# 14 Edward 2004 34 14
# 15 Edward 2006 35 15

Merke jetzt, dass Edward ist der einzige Mensch, hat einen Wert für 2006. Dies bedeutet, dass

balanced(unbal2, "PERSON","YEAR")
# [1] PERSON YEAR   Y      X     
# <0 rows> (or 0-length row.names)

gibt jetzt nichts, aber

balanced(unbal2, "PERSON","YEAR", required="shared")

#    PERSON YEAR  Y  X
# 1   Frank 2001 21  1
# 2   Frank 2002 22  2
# 4   Frank 2004 24  4
# 6    Tony 2001  5  6
# 7    Tony 2002  6  7
# 9    Tony 2004  7  9
# 11 Edward 2001 31 11
# 12 Edward 2002 32 12
# 14 Edward 2004 34 14

werden die Daten zurück, die für 2001,2002, 2004, da alle Personen, die Daten für diese Jahre.

Dies ist die Lösung, die ich benutze - es macht die Nutzung der praktischen Funktionen (einschließlich der netten Zusammenführen von Fähigkeiten) von der data.table Paket und geht davon aus, dass Ihre Daten bereits eine data.table Objekt. Es ist relativ einfach und hoffentlich leicht zu Folgen. Es gibt eine balanced panel mit Einträgen für jede eindeutige Kombination von "Individuen" und die "Zeit-Perioden", d.h. ein panel, wo es eine Beobachtung, die für jeden einzelnen in jeder Zeit.

library(data.table)
Balance_Panel = function(Data, Indiv_ColName, Time_ColName){
    Individuals = unique(Data[, get(Indiv_ColName)])
    Times = unique(Data[, get(Time_ColName)])

    Full_Panel = data.table(expand.grid(Individuals, Times))
    setnames(Full_Panel, c(Indiv_ColName, Time_ColName))
    setkeyv(Full_Panel, c(Indiv_ColName, Time_ColName))
    setkeyv(Data, c(Indiv_ColName, Time_ColName))
    return(Data[Full_Panel])
}

Beispiel Für Die Nutzung:

Balanced_Data = Balance_Panel(Data, "SubjectID", "ObservationTime")