【发布时间】：2019-12-16 17:39:15
【问题描述】：
作为一个例子，我有这个 data.frame
df <- structure(list(var_1 = c(7578L, 21L, 4534L, 53L, 457L, 621L,
878L, 636L, 1111L, 25L, 23L, 99L), var_2 = c(1L, 1L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L)), class = "data.frame", row.names = c(NA,
-12L))
我想按 var_2 分组，然后找到每个组的前 30%。但是如果一个组中有 30% 的行小于 1，那么我想保留所有行。
所以我做了这个函数（改编自dplyr的top_n函数）：
top_frac_keep_lower <- function(x, n, wt) {
if ((nrow(x) * {{ n }}) < 1) {
x
} else {
top_frac(x, {{ n }}, {{ wt }})
}
}
如果您首先过滤 var_2 中的一个组，则该功能起作用：
df_var_2_1 <- filter(df, df$var_2 == 1)
top_frac_keep_lower(df_var_2_2, 0.3, var_1)
var_1 var_2
1 7578 1
2 21 1
df_var_2_2 <- filter(df, df$var_2 == 2)
top_frac_keep_lower(df_var_2_2, 0.3, var_1)
var_1 var_2
1 4534 2
2 878 2
3 1111 2
但是如果你使用 grouped_by 就不行了：
df %>%
group_by(var_2) %>%
top_frac_keep_lower(n = 0.3, var_1)
# A tibble: 3 x 2
# Groups: var_2 [1]
var_1 var_2
<int> <int>
1 4534 2
2 878 2
3 1111 2
那么为什么这不起作用？我错过了什么？
【问题讨论】：
-
只有几厘米。我建议将名为 n 的参数更改为 p 或其他内容。通常 n 意味着一个计数，因此将其用作百分比是出乎意料的。我也不确定你为什么要在两个花括号内包装一些值。它不会伤害任何东西，但我不明白为什么它是必要的，再一次......有点令人困惑。