如何在面板数据中剔除无处理前后观测值的样本？

首先给出原始面板数据：

test <- data.frame(id = c("A", "A", "A", "B", "B"), 
                   year = c("2014", "2015", "2016", "2014", "2015"), 
                   income = c("100", "150", "200", "300", "200"))

需求说明：以2015年为处理发生时间，仅保留同时拥有2015年之前和之后观测数据的样本（即剔除id=B这类缺少2015年后数据的样本）。

以下是两种常用实现方法：

方法1：Base R 原生实现 #

# 先将year转换为数值型，避免字符比较的潜在问题
test$year <- as.numeric(test$year)

# 筛选出符合条件的id：同时存在2015年前和2015年后的观测
valid_ids <- with(test, tapply(year, id, function(y) any(y < 2015) & any(y > 2015)))
valid_ids <- names(valid_ids[valid_ids])

# 提取目标样本
filtered_test <- test[test$id %in% valid_ids, ]

方法2：dplyr 管道式实现 #

如果习惯使用tidyverse工具链，这种方式更简洁直观：

library(dplyr)

filtered_test <- test %>%
  mutate(year = as.numeric(year)) %>%
  group_by(id) %>%
  # 按id分组后，仅保留同时包含2015年前、后观测的组
  filter(any(year < 2015) & any(year > 2015)) %>%
  ungroup()

最终结果 #

两种方法得到的filtered_test均会保留id=A的所有观测，剔除id=B的样本：

id year income
1  A 2014    100
2  A 2015    150
3  A 2016    200

内容的提问来源于stack exchange，提问作者Anup