Выберите п строки после определенного числа

Question

Я работаю с data.frame, как это:

 Country  Date balance_of_payment business_confidence_indicator consumer_confidence_indicator CPI Crisis_IMF 
1 Australia 1980-01-01    -0.87      100.215      99.780 25.4   0 
2 Australia 1980-04-01    -1.62      100.061      99.746 26.2   0 
3 Australia 1980-07-01    -3.70      100.599      100.049 26.6   0 
4 Australia 1980-10-01    -3.13      100.597      100.735 27.2   0 
5 Australia 1981-01-01    -2.73      101.149      101.016 27.8   0 
6 Australia 1981-04-01    -4.11      100.936      100.150 28.4   0 

Я хочу создать сводную статистику с describe(dataset) из Hmisc пакета.

мне нужно различать timespans п четвертей прежде, чем это Crisis_IMF1, время, в котором Crisis_IMF равен 1, а состояние п-quaters после Crisis_IMF является 1. Чтобы выбрать время, в которое Crisis_IMF is 1, я сделал describe(dataset[dataset$Crisis_IMF==1,"balance_of_payment"]).

Но я не знаю, как выполнить команду в течение периода времени n-кварталов (например, 8) после события.

Edit:

dataset$Crisis_IMF 
    [1] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
    [60] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[119] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[178] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[237] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[296] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[355] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[414] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[473] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[532] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 
[591] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[650] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[709] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 
[768] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[827] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[886] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[945] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1004] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1063] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1122] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1181] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1240] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1299] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1358] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1417] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1476] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 
[1535] 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 
[1594] 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1653] 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1712] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1771] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 
[1830] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1889] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[1948] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2007] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2066] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 
[2125] 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 
[2184] 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2243] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2302] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2361] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 
[2420] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2479] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2538] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2597] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2656] 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2715] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2774] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2833] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2892] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[2951] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3010] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3069] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3128] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3187] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3246] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3305] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3364] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3423] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3482] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3541] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3600] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3659] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3718] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3777] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3836] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[3895] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 
[3954] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 
[4013] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[4072] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[4131] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[4190] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[4249] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
[4308] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 

Edit2; дополнительная информация о наборе данных:

   Country  Date balance_of_payment Crisis_IMF 
1 Australia 1980-01-01    -0.87   0 
2 Australia 1980-04-01    -1.62   0 
3 Australia 1980-07-01    -3.70   0 
4 Australia 1980-10-01    -3.13   0 
5 Australia 1981-01-01    -2.73   0 
6 Australia 1981-04-01    -4.11   0 
7 Australia 1981-07-01    -3.98   0 
8 Australia 1981-10-01    -5.27   0 
9 Australia 1982-01-01    -5.31   0 
10 Australia 1982-04-01    -4.67   0 
11 Australia 1982-07-01    -3.30   0 
12 Australia 1982-10-01    -3.24   0 
13 Australia 1983-01-01    -3.45   0 
14 Australia 1983-04-01    -2.86   0 
15 Australia 1983-07-01    -3.58   0 
... 
137 Australia 2014-01-01    -2.18   0 
138 Australia 2014-04-01    -3.44   0 
139 Australia 2014-07-01    -3.04   0 
140 Australia 2014-10-01    -2.39   0 
141 Austria 1980-01-01    -3.97   0 
142 Austria 1980-04-01    -3.89   0 
143 Austria 1980-07-01    -1.84   0 
144 Austria 1980-10-01    -1.60   0 
145 Austria 1981-01-01    -2.74   0 
146 Austria 1981-04-01    -2.88   0 
147 Austria 1981-07-01    -2.83   0 
148 Austria 1981-10-01    -2.06   0 
149 Austria 1982-01-01    -0.63   0 
150 Austria 1982-04-01    0.61   0 
151 Austria 1982-07-01    2.42   0 
152 Austria 1982-10-01    2.70   0 

Для одной страны может быть более одного кризисного периода. Это, например, в Австралии - кризис от 1990-01-01 to 1991-04-01 and 2002-01-01 to 2005-01-01. Я хочу создать 3 разных команды describe, которые показывают поведение переменной в вышеупомянутых состояниях.

Answer 1

Вы не указали свои полные данные, поэтому я должен угадать, что столбец Crisis_IMF имеет непрерывную последовательность нулей (до кризиса), за которой следует непрерывная последовательность единиц (в течение которой кризис МВФ считался быть в силе), наконец, последовала непрерывная последовательность нулей (после кризиса).

Ниже я обобщил свои собственные данные для тестирования. Я только синтезировал столбцы Crisis_IMF и balance_of_payment, потому что они являются единственными столбцами, релевантными вашей проблеме. Я использовал 30 рядов, с первых 10 до, следующих 10 в течение и последних 10 после кризиса. Я использовал случайную параболическую дугу для balance_of_payment, но это было совершенно случайным.

library('Hmisc'); 
set.seed(1); 
N <- 30; 
df <- data.frame(balance_of_payment=-5+2*seq(-1.5,1.5,len=N)^2+rnorm(N,0,0.2), Crisis_IMF=c(rep(0,N/3),rep(1,N/3),rep(0,N/3))); 
df; 
## balance_of_payment Crisis_IMF 
## 1   -0.6252908   0 
## 2   -1.0625579   0 
## 3   -1.8228927   0 
## 4   -1.8503850   0 
## 5   -2.5744076   0 
## 6   -3.2324647   0 
## 7   -3.3561408   0 
## 8   -3.6484112   0 
## 9   -3.9805631   0 
## 10   -4.4136342   0 
## 11   -4.2642312   1 
## 12   -4.6598435   1 
## 13   -4.9904788   1 
## 14   -5.3947830   1 
## 15   -4.7696630   1 
## 16   -5.0036359   1 
## 17   -4.9550811   1 
## 18   -4.6774634   1 
## 19   -4.5735679   1 
## 20   -4.4478071   1 
## 21   -4.1687610   0 
## 22   -3.9392921   0 
## 23   -3.7811631   0 
## 24   -3.8514970   0 
## 25   -2.9444058   0 
## 26   -2.6515349   0 
## 27   -2.2006002   0 
## 28   -1.9499174   0 
## 29   -1.1949166   0 
## 30   -0.4164117   0 
crisisRange <- range(which(df$Crisis_IMF==1)); 
crisisRange; 
## [1] 11 20 
df$Off_Crisis <- c((1-crisisRange[1]):-1,rep(0,diff(crisisRange)+1),1:(nrow(df)-crisisRange[2])); 
df; 
## balance_of_payment Crisis_IMF Off_Crisis 
## 1   -0.6252908   0  -10 
## 2   -1.0625579   0   -9 
## 3   -1.8228927   0   -8 
## 4   -1.8503850   0   -7 
## 5   -2.5744076   0   -6 
## 6   -3.2324647   0   -5 
## 7   -3.3561408   0   -4 
## 8   -3.6484112   0   -3 
## 9   -3.9805631   0   -2 
## 10   -4.4136342   0   -1 
## 11   -4.2642312   1   0 
## 12   -4.6598435   1   0 
## 13   -4.9904788   1   0 
## 14   -5.3947830   1   0 
## 15   -4.7696630   1   0 
## 16   -5.0036359   1   0 
## 17   -4.9550811   1   0 
## 18   -4.6774634   1   0 
## 19   -4.5735679   1   0 
## 20   -4.4478071   1   0 
## 21   -4.1687610   0   1 
## 22   -3.9392921   0   2 
## 23   -3.7811631   0   3 
## 24   -3.8514970   0   4 
## 25   -2.9444058   0   5 
## 26   -2.6515349   0   6 
## 27   -2.2006002   0   7 
## 28   -1.9499174   0   8 
## 29   -1.1949166   0   9 
## 30   -0.4164117   0   10 
n <- 8; 
describe(df[df$Off_Crisis>=-n&df$Off_Crisis<=-1,'balance_of_payment']); 
## df[df$Off_Crisis >= -n & df$Off_Crisis <= -1, "balance_of_payment"] 
##  n missing unique Info Mean 
##  8  0  8  1 -3.11 
## 
## -4.41363415781177 (1, 12%), -3.98056311135777 (1, 12%), -3.64841115885525 (1, 12%), -3.35614082447269 (1, 12%), -3.23246466374394 (1, 12%), -2.57440760140387 (1, 12%), -1.85038498107066 (1, 12%), -1.82289266659616 (1, 12%) 
describe(df[df$Off_Crisis==0,'balance_of_payment']); 
## df[df$Off_Crisis == 0, "balance_of_payment"] 
##  n missing unique Info Mean  .05  .10  .25  .50  .75  .90  .95 
##  10  0  10  1 -4.774 -5.219 -5.043 -4.982 -4.724 -4.595 -4.429 -4.347 
## 
## -5.39478302143074 (1, 10%), -5.00363594891363 (1, 10%), -4.99047879387293 (1, 10%), -4.95508109661503 (1, 10%), -4.76966304348196 (1, 10%), -4.67746343562751 (1, 10%), -4.65984348113626 (1, 10%), -4.57356788939893 (1, 10%), -4.44780713171369 (1, 10%), -4.26423116226702 (1, 10%) 
describe(df[df$Off_Crisis>=1&df$Off_Crisis<=n,'balance_of_payment']); 
## df[df$Off_Crisis >= 1 & df$Off_Crisis <= n, "balance_of_payment"] 
##  n missing unique Info Mean 
##  8  0  8  1 -3.186 
## 
## -4.16876100605885 (1, 12%), -3.93929212154225 (1, 12%), -3.85149697413106 (1, 12%), -3.78116310320806 (1, 12%), -2.94440583734139 (1, 12%), -2.65153490367274 (1, 12%), -2.20060024283928 (1, 12%), -1.949917420894 (1, 12%) 

Решение работает путем вычисления первого диапазона индексов, в течение которого кризис был в действительности, как crisisRange. Затем он добавляет к data.frame новый столбец Off_Crisis, который фиксирует, сколько кварталов смещено от кризиса, строка, используя отрицательные числа для предыдущих и положительных чисел для after, и предполагая, что каждая строка представляет собой ровно одну четверть.

Звонки describe() могут быть сделаны путем подмножества в столбце Off_Crisis, получая только кварталы, смещенные от кризиса, который вы хотите для каждого вызова.

---

Edit: Уф! Это было тяжело. Довольно, что я получил его, хотя:

library('Hmisc'); 
set.seed(1); 
N <- 60; 
df <- data.frame(balance_of_payment=rep(-5+2*seq(-1.5,1.5,len=N/2)^2,2)+rnorm(N,0,0.2), Crisis_IMF=c(rep(0,N/6),rep(1,N/6),rep(0,N/3),rep(1,N/6),rep(0,N/6))); 
df; 
## balance_of_payment Crisis_IMF 
## 1   -0.6252908   0 
## 2   -1.0625579   0 
## 3   -1.8228927   0 
## 4   -1.8503850   0 
## 5   -2.5744076   0 
## 6   -3.2324647   0 
## 7   -3.3561408   0 
## 8   -3.6484112   0 
## 9   -3.9805631   0 
## 10   -4.4136342   0 
## 11   -4.2642312   1 
## 12   -4.6598435   1 
## 13   -4.9904788   1 
## 14   -5.3947830   1 
## 15   -4.7696630   1 
## 16   -5.0036359   1 
## 17   -4.9550811   1 
## 18   -4.6774634   1 
## 19   -4.5735679   1 
## 20   -4.4478071   1 
## 21   -4.1687610   0 
## 22   -3.9392921   0 
## 23   -3.7811631   0 
## 24   -3.8514970   0 
## 25   -2.9444058   0 
## 26   -2.6515349   0 
## 27   -2.2006002   0 
## 28   -1.9499174   0 
## 29   -1.1949166   0 
## 30   -0.4164117   0 
## 31   -0.2282641   0 
## 32   -1.1198441   0 
## 33   -1.5782326   0 
## 34   -2.1802021   0 
## 35   -2.9157211   0 
## 36   -3.1513699   0 
## 37   -3.5324846   0 
## 38   -3.8079388   0 
## 39   -3.8757143   0 
## 40   -4.1999213   0 
## 41   -4.5994921   1 
## 42   -4.7884845   1 
## 43   -4.7268380   1 
## 44   -4.8405104   1 
## 45   -5.1324004   1 
## 46   -5.1361483   1 
## 47   -4.8789267   1 
## 48   -4.7125241   1 
## 49   -4.7602814   1 
## 50   -4.3903659   1 
## 51   -4.2729353   0 
## 52   -4.2181247   0 
## 53   -3.7278522   0 
## 54   -3.6794993   0 
## 55   -2.7817662   0 
## 56   -2.2442292   0 
## 57   -2.2428854   0 
## 58   -1.8645939   0 
## 59   -0.9853426   0 
## 60   -0.5270109   0 
df$Off_Crisis <- ifelse(df$Crisis_IMF==1,0,with(rle(df$Crisis_IMF),{ mids <- lengths[-c(1,length(lengths))]; c(-lengths[1]:-1,sequence(mids)-rep(rbind(0,mids+1),rbind(ceiling(mids/2),floor(mids/2))),1:lengths[length(lengths)]); })); 
df; 
## balance_of_payment Crisis_IMF Off_Crisis 
## 1   -0.6252908   0  -10 
## 2   -1.0625579   0   -9 
## 3   -1.8228927   0   -8 
## 4   -1.8503850   0   -7 
## 5   -2.5744076   0   -6 
## 6   -3.2324647   0   -5 
## 7   -3.3561408   0   -4 
## 8   -3.6484112   0   -3 
## 9   -3.9805631   0   -2 
## 10   -4.4136342   0   -1 
## 11   -4.2642312   1   0 
## 12   -4.6598435   1   0 
## 13   -4.9904788   1   0 
## 14   -5.3947830   1   0 
## 15   -4.7696630   1   0 
## 16   -5.0036359   1   0 
## 17   -4.9550811   1   0 
## 18   -4.6774634   1   0 
## 19   -4.5735679   1   0 
## 20   -4.4478071   1   0 
## 21   -4.1687610   0   1 
## 22   -3.9392921   0   2 
## 23   -3.7811631   0   3 
## 24   -3.8514970   0   4 
## 25   -2.9444058   0   5 
## 26   -2.6515349   0   6 
## 27   -2.2006002   0   7 
## 28   -1.9499174   0   8 
## 29   -1.1949166   0   9 
## 30   -0.4164117   0   10 
## 31   -0.2282641   0  -10 
## 32   -1.1198441   0   -9 
## 33   -1.5782326   0   -8 
## 34   -2.1802021   0   -7 
## 35   -2.9157211   0   -6 
## 36   -3.1513699   0   -5 
## 37   -3.5324846   0   -4 
## 38   -3.8079388   0   -3 
## 39   -3.8757143   0   -2 
## 40   -4.1999213   0   -1 
## 41   -4.5994921   1   0 
## 42   -4.7884845   1   0 
## 43   -4.7268380   1   0 
## 44   -4.8405104   1   0 
## 45   -5.1324004   1   0 
## 46   -5.1361483   1   0 
## 47   -4.8789267   1   0 
## 48   -4.7125241   1   0 
## 49   -4.7602814   1   0 
## 50   -4.3903659   1   0 
## 51   -4.2729353   0   1 
## 52   -4.2181247   0   2 
## 53   -3.7278522   0   3 
## 54   -3.6794993   0   4 
## 55   -2.7817662   0   5 
## 56   -2.2442292   0   6 
## 57   -2.2428854   0   7 
## 58   -1.8645939   0   8 
## 59   -0.9853426   0   9 
## 60   -0.5270109   0   10 
n <- 8; 
describe(df[df$Off_Crisis>=-n&df$Off_Crisis<=-1,'balance_of_payment']); 
## df[df$Off_Crisis >= -n & df$Off_Crisis <= -1, "balance_of_payment"] 
##  n missing unique Info Mean  .05  .10  .25  .50  .75  .90  .95 
##  16  0  16  1 -3.133 -4.253 -4.090 -3.825 -3.294 -2.476 -1.837 -1.762 
## 
## -4.41363415781177 (1, 6%), -4.19992133068899 (1, 6%), -3.98056311135777 (1, 6%), -3.87571430729169 (1, 6%), -3.80793877922333 (1, 6%), -3.64841115885525 (1, 6%) 
## -3.53248462570045 (1, 6%), -3.35614082447269 (1, 6%), -3.23246466374394 (1, 6%), -3.15136989958027 (1, 6%), -2.91572106713267 (1, 6%), -2.57440760140387 (1, 6%) 
## -2.1802021496148 (1, 6%), -1.85038498107066 (1, 6%), -1.82289266659616 (1, 6%), -1.57823262180228 (1, 6%) 
describe(df[df$Off_Crisis==0,'balance_of_payment']); 
## df[df$Off_Crisis == 0, "balance_of_payment"] 
##  n missing unique Info Mean  .05  .10  .25  .50  .75  .90  .95 
##  20  0  20  1 -4.785 -5.149 -5.133 -4.964 -4.765 -4.645 -4.442 -4.384 
## 
## lowest : -5.395 -5.136 -5.132 -5.004 -4.990, highest: -4.599 -4.574 -4.448 -4.390 -4.264 
describe(df[df$Off_Crisis>=1&df$Off_Crisis<=n,'balance_of_payment']); 
## df[df$Off_Crisis >= 1 & df$Off_Crisis <= n, "balance_of_payment"] 
##  n missing unique Info Mean  .05  .10  .25  .50  .75  .90  .95 
##  16  0  16  1 -3.157 -4.232 -4.193 -3.873 -3.312 -2.244 -2.075 -1.929 
## 
## -4.27293530430708 (1, 6%), -4.21812466033862 (1, 6%), -4.16876100605885 (1, 6%), -3.93929212154225 (1, 6%), -3.85149697413106 (1, 6%), -3.78116310320806 (1, 6%) 
## -3.72785216159621 (1, 6%), -3.67949925417454 (1, 6%), -2.94440583734139 (1, 6%), -2.78176624658013 (1, 6%), -2.65153490367274 (1, 6%), -2.24422917606577 (1, 6%) 
## -2.24288543679152 (1, 6%), -2.20060024283928 (1, 6%), -1.949917420894 (1, 6%), -1.86459386937746 (1, 6%) 

Для этой демонстрации я синтезировал пять периодов: 10 строк не-кризис, 10 строк кризиса (первого), 20 строк не-кризис, 10 строк кризиса (второй) и 10 рядов некризисных. Алгоритм тот же, а именно для вычисления столбца Off_Crisis (что было намного сложнее на этот раз!), А затем использовать его для подмножества data.frame для каждого вызова describe().Только сейчас в подмножествах будут объединены точки данных из разных кризисов.