dplyr-如何通过更多(总和)销售来筛选前n个组?

时间:2019-04-01 17:54:25

标签: r filter dplyr grouping top-n

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!

2 个答案:

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)