使用dplyr筛选costat为I的企业最后观测并统计dlrsn年度频次

需求拆解 #

• 筛选costat取值为"I"的企业观测
• 对每个符合条件的企业，提取其最后一条年度观测（按fyear排序后的最新记录）
• 按fyear分组，统计dlrsn（取值1-14）各值的年度出现次数

示例数据 #

# 构造示例数据
sample_data <- tibble(
  gvkey = c(1001, 1001, 1002, 1002, 1003, 1003, 1004),
  fyear = c(2018, 2019, 2018, 2019, 2017, 2018, 2019),
  costat = c("A", "I", "I", "I", "A", "I", "I"),
  dlrsn = c(3, 5, 2, 2, 7, 10, 5)
)

dplyr实现代码 #

library(dplyr)
library(tidyr) # 用于pivot_wider，未安装需先运行install.packages("tidyr")

# 核心处理逻辑
final_result <- sample_data %>%
  # 1. 筛选状态为"I"的记录
  filter(costat == "I") %>%
  # 2. 按企业分组，按年度排序后取每组最后一条（最新）记录
  group_by(gvkey) %>%
  arrange(fyear) %>%
  slice_tail(n = 1) %>%
  ungroup() %>%
  # 3. 按年度和dlrsn统计次数，转为宽表方便查看
  count(fyear, dlrsn, name = "occurrence_count") %>%
  pivot_wider(
    names_from = dlrsn,
    values_from = occurrence_count,
    values_fill = 0 # 缺失的dlrsn值填充为0
  )

预期输出 #

# 输出结果预览
# # A tibble: 2 × 4
#   fyear     2     5    10
#   <dbl> <int> <int> <int>
# 1  2018     0     0     1
# 2  2019     1     2     0

关键步骤说明 #

• filter(costat == "I")：精准过滤出目标状态的企业观测
• group_by(gvkey) %>% arrange(fyear) %>% slice_tail(n=1)：按企业分组后，按年度升序排列，确保取到该企业的最新年度记录
• count(fyear, dlrsn)：按年度和dlrsn值分组统计出现频次
• pivot_wider：将长格式统计结果转为宽格式，便于直观对比各dlrsn值在不同年份的分布情况

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