R语言：筛选costat为I的企业最后观测并按年统计dlrsn频次

任务1：筛选costat为“I”的企业的最后一条观测 #

Python（Pandas）实现 #

import pandas as pd

# 假设数据存储在名为df的DataFrame中
# 先筛选costat为"I"的记录，按企业ID和年份排序（确保最后一条是最新年份）
filtered_data = df[df['costat'] == 'I'].sort_values(by=['gvkey', 'year'])
# 按gvkey分组，提取每组最后一行
last_observations = filtered_data.groupby('gvkey').tail(1)

如果数据已经按year升序排列，可以跳过sort_values步骤。

R（dplyr）实现 #

library(dplyr)

# 假设数据存储在名为df的数据框中
last_observations <- df %>%
  filter(costat == "I") %>%
  arrange(gvkey, year) %>% # 按企业ID和年份排序
  group_by(gvkey) %>%
  slice_tail(n = 1) %>% # 取每组最后一条记录
  ungroup()

任务2：按year统计dlrsn各数值每年出现的次数 #

Python（Pandas）实现 #

# 按年份和dlrsn值分组计数，转为宽表展示（每年各dlrsn的次数）
yearly_dlrsn_counts = df.groupby(['year', 'dlrsn']).size().unstack(fill_value=0)

如果需要长表格式（每行是某一年的某个dlrsn值及其次数），去掉unstack(fill_value=0)即可。

R（dplyr）实现 #

library(dplyr)
library(tidyr)

# 按年份和dlrsn值计数，转为宽表展示
yearly_dlrsn_counts <- df %>%
  count(year, dlrsn) %>%
  pivot_wider(names_from = dlrsn, values_from = n, values_fill = 0)

同样，若需要长表格式，只保留count(year, dlrsn)的结果即可。

内容的提问来源于stack exchange，提问作者Ayoze Alfageme