Llevo bastante pensando en el siguiente problema y no soy experto en R así que aún hallo una solución. Tengo el siguiente data.frame
(el original es bastante más grande y con mas campos, pero resumo los de interés):
df<-data.frame(c(2010, 2010, 2011, 2012, 2012, 2010, 2010, 2011, 2010, 2011, 2011, 2012), c(rep("A",5),rep("B",3),rep("C",4)),c(1,2,1,1,2,1,2,1,1,2,2,1))
dónde 2010
, 2011
, 2012
son los años que estoy analizando; A
, B
, C
hace referencia a 3 colegios diferentes y la tercera columna corresponde al alumno de ese colegio en ese año:
year colegio alumno
1 2010 A 1
2 2010 A 2
3 2011 A 1
4 2012 A 1
5 2012 A 2
6 2010 B 1
7 2010 B 2
8 2011 B 1
9 2010 C 1
10 2011 C 2
11 2011 C 2
12 2012 C 1
El colegio B
solo aparece en los años 2010
y 2011
pero no en el 2012
. Quiero hacer un nuevo data.frame
que sea un subset únicamente de los colegios que aparecen en todos los años considerados: es decir algo así:
year colegio alumno
1 2010 A 1
2 2010 A 2
3 2011 A 1
4 2012 A 1
5 2012 A 2
6 2010 C 1
7 2011 C 2
8 2011 C 2
9 2012 C 1
Considerando que la base completa contiene alrededor de 2000 colegios no sé cuales de ellos están en todos los años o no, de tal manera que el código debe identificar cuales son esos colegios que no se repiten.