dplyrを使用して変数内のすべてのカテゴリを観測したフィルタ年数

Question

私は、年と舞台を個別に観測し、与えられた年の所与のステージの観測数を0から複数にすることができるデータセットを持っています：

df <- data.frame(year = c(2000, 2000, 2000, 2000, 2001, 2001, 
          2001, 2002, 2002, 2003, 2003, 2003), 
       stage = c("a", "a", "a", "b", "b", "b", 
          "b", "a", "b", "a", "a", "a")) 
df 
## year stage 
## 1 2000  a 
## 2 2000  a 
## 3 2000  a 
## 4 2000  b 
## 5 2001  b 
## 6 2001  b 
## 7 2001  b 
## 8 2002  a 
## 9 2002  b 
## 10 2003  a 
## 11 2003  a 
## 12 2003  a 

私はステージaとb（この場合、2000年と2002年の両方）の観測がある年だけを選択するようにデータをフィルタリングします。私はdplyrとtidyrでこれを行うには、次の方法を考え出した：

library(dplyr) 
library(tidyr) 

yrs <- df %>% 
    group_by(year, stage) %>% 
    summarise(n = n()) %>% 
    spread(stage, -year) %>% 
    na.omit %>% 
    pull(year) 

yrs 
## [1] 2000 2002 

filter(df, year %in% yrs) 
## year stage 
## 1 2000  a 
## 2 2000  a 
## 3 2000  a 
## 4 2000  b 
## 5 2002  a 
## 6 2002  b 

これは少し不格好ようで、非常に大規模なデータセットのためにうまくスケールアップしない場合があります。 tidyr::spreadを使わずにdplyrを使用してこれらの年のサブセットを作成する簡単で簡単な方法はありますか？

Answer 1

多分これはあなたのために動作します：

df %>% group_by(year) %>% 
     filter(length(unique(stage)) == 2) 

を

Answer 2

group_by %>% filterを使用できます。各グループについて、aとb両方が内段階列あるかどうかを確認し、それに基づいてグループをフィルタリングするall(c('a', 'b') %in% stage)を使用します。

df %>% group_by(year) %>% filter(all(c('a', 'b') %in% stage)) 

# A tibble: 6 x 2 
# Groups: year [2] 
# year stage 
# <dbl> <fctr> 
#1 2000  a 
#2 2000  a 
#3 2000  a 
#4 2000  b 
#5 2002  a 
#6 2002  b