按组筛选数据框的n行，每个组的n不同。

Question

我希望从我的数据框不同的组中选择不同数量的行。使用dplyr，我尚未找到优雅的方法来做到这一点。要为每个组选择相同数量的行，我通常这样实现：

library(dplyr)

iris %>% 
    group_by(Species) %>%
    arrange(Sepal.Length) %>%
    top_n(2)

但是我希望能够引用另一个表，以获取我想要的每个组的行数，例如下面的示例表：

top_rows_desired <- data.frame(Species = unique(iris$Species),
    n_desired = c(4,2,5))

- cylondude

Answer 1

我们可以通过'Species'进行'iris'和'top_rows_desired'的left_join，并按照'Species'进行分组，对first 'n_desired' 的sequence 进行slice，并使用select移除'n_desired'列。

left_join(iris, top_rows_desired, by = "Species") %>%
                     group_by(Species) %>% 
                     arrange(desc(Sepal.Length)) %>%
                     slice(seq(first(n_desired))) %>%
                     select(-n_desired)

- akrun

---

这看起来非常稳定。你为什么使用left_join而不是inner_join？两者都似乎适用于这个例子，但我有什么遗漏吗？ - cylondude

@cylondude left_join 函数返回第一个参数即左侧 ('iris') 的行数，同时添加了一个新列 'n_desired'，该列的值来自于 'top_rows_desired'。 - akrun

Answer 2

为那些无法运行akrun提供的代码的人添加此答案。我也曾经苦恼过这个问题。这个答案解决了在github上提到的{{link2:#2531}问题。

你可能无法运行slice，因为你已经在环境中加载了xgboost。xgboost掩盖了dplyr的slice函数，导致了这个问题。

Attaching package: ‘xgboost’

The following object is masked from ‘package:dplyr’:

slice

Warning message:
package ‘xgboost’ was built under R version 3.4.1 

因此，使用

detach(package: xgboost)

这可能适用于您。

因此，我浪费了一个小时。希望这有所帮助。

- Rishabh