我在R上使用dplyr,并且尝试过滤包含事务数据的小标题。
我感兴趣的列是“国家”和“销售”。
我有很多国家,出于勘探目的,我只想分析销售额最高的前5个国家/地区。
这里的麻烦是,如果我进行一些分组,它将对我不起作用,因为我需要所有行来进行进一步分析(事务数据)。
我尝试过类似的事情:
trans_merch_df %>% group_by(COUNTRY) %>% top_n(n = 5, wt = NET_SLS_AMT)
但是它完全关闭了。
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)
我期望的结果是:
COUNTRY SALE
POR 14
POR 1
DEU 4
DEU 6
POL 8
NOR 50
NOR 10
SWE 42
SWE 1
由于ITA和SPA不在销售的前五名中。
非常感谢。
干杯!
答案 0 :(得分: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
答案 1 :(得分:1)
另一种dplyr
可能性是:
df %>%
add_count(COUNTRY, wt = SALE, name = "temp") %>%
mutate(temp = dense_rank(desc(temp))) %>%
filter(temp %in% 1:5) %>%
select(-temp)
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
或更短:
df %>%
add_count(COUNTRY, wt = SALE, name = "temp") %>%
filter(dense_rank(desc(temp)) %in% 1:5) %>%
select(-temp)