按年份采样完整性筛选data.frame中的站点数据

我明白你遇到的问题了——手里有个记录地点、年份和物种数量的data.frame，但不是所有地点每年都有采样数据，你只想保留那些每年都有采样记录的地点对应的所有数据，之前试了aggregate和subset都没搞定对吧？

下面是可行的解决方案，分两步走：

步骤1：为每个地点标记采样频次 #

首先用transform()函数给你的数据框新增一列，统计每个地点总共出现了多少次（也就是有多少条采样记录）：

df <- transform(df, freq.loc = ave(seq(nrow(df)), location, FUN=length))

这里的ave()函数会按照location分组，对每行的序号序列计算长度，本质就是统计每个地点的采样次数。

步骤2：筛选出每年都有采样的地点 #

接下来先确定你的数据里总共有多少个不同的年份：

total_years <- length(unique(df$year))

然后筛选出freq.loc等于总年份数的行——因为只有采样次数等于总年份数的地点，才是每年都有记录的：

filtered_df <- subset(df, freq.loc == total_years)

这样得到的filtered_df就是你想要的结果，只包含那些每年都有采样的地点、对应年份和物种数。

举个简单的示例验证一下：
假设你的原始数据是这样的：

df <- data.frame(
  location = c(1,1,2,3,3,3),
  year = c(2020,2021,2020,2020,2021,2022),
  species_count = c(5,7,3,4,6,8)
)

运行步骤1后，df会新增freq.loc列：location1的频次是2，location2是1，location3是3；而总年份数是3，所以步骤2筛选后，只会保留location3的所有行。

内容的提问来源于stack exchange，提问作者Arjen Boon