关于dplyr::top_n函数选取Top N结果不符合预期的技术咨询

以下是dplyr::top_n的输出情况：

选取Top 2时： #

> mtcars %>% dplyr::arrange(desc(mpg)) %>% dplyr::top_n(2, mpg)

                mpg cyl disp hp drat    wt  qsec vs am gear carb
Toyota Corolla 33.9   4 71.1 65 4.22 1.835 19.90  1  1    4    1
Fiat 128       32.4   4 78.7 66 4.08 2.200 19.47  1  1    4    1

选取Top 3时： #

> mtcars %>% dplyr::arrange(desc(mpg)) %>% dplyr::top_n(3, mpg)
                mpg cyl disp  hp drat    wt  qsec vs am gear carb
Toyota Corolla 33.9   4 71.1  65 4.22 1.835 19.90  1  1    4    1
Fiat 128       32.4   4 78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic    30.4   4 75.7  52 4.93 1.615 18.52  1  1    4    2
Lotus Europa   30.4   4 95.1 113 3.77 1.513 16.90  1  1    5    2

选取Top 4时的问题： #

执行以下代码后，结果和Top 3时完全一致：

> mtcars %>% dplyr::arrange(desc(mpg)) %>% dplyr::top_n(4, mpg)
                mpg cyl disp  hp drat    wt  qsec vs am gear carb
Toyota Corolla 33.9   4 71.1  65 4.22 1.835 19.90  1  1    4    1
Fiat 128       32.4   4 78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic    30.4   4 75.7  52 4.93 1.615 18.52  1  1    4    2
Lotus Europa   30.4   4 95.1 113 3.77 1.513 16.90  1  1    5    2

我预期的结果应该包含mpg为27.3的Fiat X1-9：

mpg cyl disp  hp drat    wt  qsec vs am gear carb
Toyota Corolla 33.9   4 71.1  65 4.22 1.835 19.90  1  1    4    1
Fiat 128       32.4   4 78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic    30.4   4 75.7  52 4.93 1.615 18.52  1  1    4    2
Lotus Europa   30.4   4 95.1 113 3.77 1.513 16.90  1  1    5    2
Fiat X1-9      27.3   4 79.0  66 4.08 1.935 18.90  1  1    4    1

原因解释： #

dplyr::top_n的核心逻辑是保留所有观测值中，目标变量值≥第n大的目标变量值的行，而非严格取前n行。

具体到你的例子：

• 取Top 3时，第3大的mpg值是30.4，而有两个观测值的mpg都是30.4，所以这两行都会被保留，最终得到4行结果。
• 取Top 4时，第4大的mpg值仍然是30.4（前3个不同的mpg值为33.9、32.4、30.4），因此所有mpg≥30.4的观测值都会被保留，也就是依然是那4行，不会包含mpg=27.3的行——因为27.3是第4个不同的mpg值，但top_n不会区分数值的唯一性，只看是否≥第n大的数值。

如果需要严格取排序后的前n行，应该使用dplyr::slice_head(n = 4)，或者在arrange后直接用slice(1:4)。

内容的提问来源于stack exchange，提问作者Mohammad Tanvir Ahamed