将数据子集到 R 中第一次出现的位置

我正在尝试对数据进行子集化，以便它只保留变量的第一次出现。我正在查看追踪工人职业生涯的面板数据，并尝试对数据进行子集化，以便它只显示直到每个人成为老板。

id  year    name    job    job2
1   1990    Bon     Manager 0
1   1991    Bon     Manager 0
1   1992    Bon     Manager 0
1   1993    Bon     Boss    1
1   1994    Bon     Manager 0
2   1990    Jane    Manager 0
2   1991    Jane    Boss    1
2   1992    Jane    Manager 0
2   1993    Jane    Boss    1

所以我希望数据看起来像：

id  year    name    job   job2
1   1990    Bon     Manager 0
1   1991    Bon     Manager 0
1   1992    Bon     Manager 0
1   1993    Bon     Boss    1
2   1990    Jane    Manager 0
2   1991    Jane    Boss    1

这看起来像是基本的审查，但为了我的分析，这是至关重要的......！任何帮助，将不胜感激。

这是一个 dplyr 解决方案，它使用两个有用的窗函数 http://cran.r-project.org/web/packages/dplyr/vignettes/window-functions.html lag() and cumall():

df <- read.table(header = TRUE, text = "
id  year    name    job    job2
1   1990    Bon     Manager 0
1   1991    Bon     Manager 0
1   1992    Bon     Manager 0
1   1993    Bon     Boss    1
1   1994    Bon     Manager 0
2   1990    Jane    Manager 0
2   1991    Jane    Boss    1
2   1992    Jane    Manager 0
2   1993    Jane    Boss    1
", stringsAsFactors = FALSE)

library(dplyr)

# Use mutate to see the values of the new variables
df %>% 
  group_by(id) %>%
  mutate(last_job = lag(job, default = ""), cumall(last_job != "Boss"))

# Use filter to see the results
df %>% 
  group_by(id) %>%
  filter(cumall(lag(job, default = "") != "Boss"))

We use lag()找出每个人上一年从事的工作，然后使用cumall()将所有行保留到“Boss”的第一个实例。如果数据尚未按年份排序，您可以使用lag(job, order_by = year)确保;确定lag()使用年份值而不是行顺序来确定哪一年是“去年”。