使用dplyr包和sample_frac
函数,可以从每个组中抽取一定比例的样本。我需要做的是首先排序每个组中的元素,然后从每个组中选择前x%的元素?
有一个top_n
函数,但在这里我只能确定行数,我需要一个相对值。
例如,以下数据按gear分组,并在每个组内按wt
排序:
library(dplyr)
mtcars %>%
select(gear, wt) %>%
group_by(gear) %>%
arrange(gear, wt)
gear wt
1 3 2.465
2 3 3.215
3 3 3.435
4 3 3.440
5 3 3.460
6 3 3.520
7 3 3.570
8 3 3.730
9 3 3.780
10 3 3.840
11 3 3.845
12 3 4.070
13 3 5.250
14 3 5.345
15 3 5.424
16 4 1.615
17 4 1.835
18 4 1.935
19 4 2.200
20 4 2.320
21 4 2.620
22 4 2.780
23 4 2.875
24 4 3.150
25 4 3.190
26 4 3.440
27 4 3.440
28 5 1.513
29 5 2.140
30 5 2.770
31 5 3.170
32 5 3.570
现在我想要在每个档位组中选择前 20%。
如果这个解决方案可以与 dplyr 的 group_by
函数集成,那就太好了。
my_data %>% group_by(my_var) %>% arrange(my_var) %>% filter(top_n()/n() == x%)
- tblznbitstop_n()
不能没有参数使用。 - DatamineR