dplyr

Question

我在 R 上使用 dplyr，我正在尝试过滤包含交易数据的 tibble。

我感兴趣的列是 "Country" 和 "Sales"。

我有很多国家，出于探索目的，我只想分析销量最高的前 5 个国家。

这里的问题是，如果我进行一些分组，它对我不起作用，因为我需要所有行以进行进一步分析（交易数据）。

我试过类似的方法：

trans_merch_df %>% group_by(COUNTRY) %>% top_n(n = 5, wt = NET_SLS_AMT)

但它完全关闭了。

假设我有这个：

trans_merch_df <- tibble::tribble(~COUNTRY, ~SALE,
                                  'POR',     14,
                                  'POR',     1,
                                  'DEU',     4,
                                  'DEU',     6,
                                  'POL',     8,
                                  'ITA',     1,
                                  'ITA',     1,
                                  'ITA',     1,
                                  'SPA',     1,
                                  'NOR',     50,
                                  'NOR',     10,
                                  'SWE',     42,
                                  'SWE',     1)

我期待的结果是：

COUNTRY   SALE
POR       14
POR       1
DEU       4
DEU       6
POL       8
NOR       50
NOR       10
SWE       42
SWE       1

因为ITA和SPA不在销量前5。

非常感谢。

干杯！

Answer 1

这是一种使用联接的方法。

library(dplyr)
trans_merch_df %>% 
  # First figure the top 5 countries' by total sales, equiv to 
  #    group_by(COUNTRY) %>% summarize(n = sum(NET_SLS_AMT)
  count(COUNTRY, wt = SALE, sort = T) %>%    
  top_n(n = 5, wt = n) %>%

  # now add back orig data for those countries
  left_join(trans_merch_df)

#Joining, by = "COUNTRY"
## A tibble: 9 x 3
#  COUNTRY     n  SALE
#  <chr>   <int> <int>
#1 NOR        60    50
#2 NOR        60    10
#3 SWE        43    42
#4 SWE        43     1
#5 POR        15    14
#6 POR        15     1
#7 DEU        10     4
#8 DEU        10     6
#9 POL         8     8

Answer 2

另一种 dplyr 可能性是：

df %>%
 add_count(COUNTRY, wt = SALE) %>%
 mutate(n = dense_rank(desc(n))) %>%
 filter(n %in% 1:5) %>%
 select(-n)


  COUNTRY  SALE
  <chr>   <int>
1 POR        14
2 POR         1
3 DEU         4
4 DEU         6
5 POL         8
6 NOR        50
7 NOR        10
8 SWE        42
9 SWE         1

或者更简洁：

df %>%
 add_count(COUNTRY, wt = SALE) %>%
 filter(dense_rank(desc(n)) %in% 1:5) %>%
 select(-n)

dplyr - 如何筛选出销售额更多（总和）的前 n 个组？

dplyr - How to filter the top n groups with more (sum) sales?

r

filter

grouping

top-n