问题描述
我有以下数据集，我想找出所有唯一组，其中包含 2 个或更多 pid，这些pid 在 org 中重复和/或加班。 因此，预期的结果是确定包含 pid 11、23 和 9 的组，它们出现在 2 个组织 a 和 c 以及 2017 和 2018 年。请注意，我只需要 pid 组出现在整个组织或年份.无需同时满足这两个条件..
目前，我对在 org
中重复 pid 组更感兴趣您在 R 或 Stata 中解决此问题的帮助将不胜感激！
| 年 | 组织 | pid |
|---|---|---|
| 2017 | 一 | 11 |
| 2017 | 一 | 23 |
| 2017 | 一 | 9 |
| 2017 | 一 | 1 |
| 2017 | b | 4 |
| 2017 | b | 5 |
| 2017 | c | 11 |
| 2017 | c | 9 |
| 2017 | c | 23 |
| 2018 | 一 | 11 |
| 2018 | 一 | 23 |
| 2018 | 一 | 9 |
| 2018 | 一 | 1 |
| 2018 | b | 4 |
| 2018 | b | 5 |
| 2018 | b | 8 |
| 2018 | c | 11 |
| 2018 | c | 9 |
| 2018 | c | 23 |
解决方法
要选择出现在多个 pid 或 org 中的 year，您可以使用：
library(dplyr)
df %>%
arrange(pid) %>%
group_by(pid) %>%
filter(n_distinct(org) > 1 || n_distinct(year) > 1) %>%
ungroup
# year org pid
# <int> <chr> <int>
# 1 2017 a 1
# 2 2018 a 1
# 3 2017 b 4
# 4 2018 b 4
# 5 2017 b 5
# 6 2018 b 5
# 7 2017 a 9
# 8 2017 c 9
# 9 2018 a 9
#10 2018 c 9
#11 2017 a 11
#12 2017 c 11
#13 2018 a 11
#14 2018 c 11
#15 2017 a 23
#16 2017 c 23
#17 2018 a 23
#18 2018 c 23
要选择出现在多个 pid 和 org 中的 year，您可以使用：
df %>%
arrange(pid) %>%
group_by(pid) %>%
filter(n_distinct(org) > 1 && n_distinct(year) > 1) %>%
ungroup
# year org pid
# <int> <chr> <int>
# 1 2017 a 9
# 2 2017 c 9
# 3 2018 a 9
# 4 2018 c 9
# 5 2017 a 11
# 6 2017 c 11
# 7 2018 a 11
# 8 2018 c 11
# 9 2017 a 23
#10 2017 c 23
#11 2018 a 23
#12 2018 c 23