使用dplyr的slice_max筛选销售额最高的两个国家全部行的问题排查及含NA值场景处理

我来帮你分析下问题所在，以及怎么修正！

原代码的问题 #

你当前的代码逻辑是按国家分组后，在每个组内筛选s值最大的2行，但s是每个国家的销售额总和，每个组里的所有行s值都完全一致，所以slice_max会返回每个组里的所有行（只要行数≤2），这显然不是你要的——你真正需要的是先找出销售额总和最高的2个国家，再取出这两个国家的全部行数据。

修正方案（无NA的情况） #

正确的思路应该分两步：先计算每个国家的销售额总和，选出总和排名前2的国家；再从原数据中筛选这些国家的所有行。用dplyr可以这么写：

library(dplyr)

df1 <- data.frame(
  country = c(1, 1, 2, 2, 3),
  sales = c(1, 1, 1, 2, 3)
)

# 第一步：找出销售额总和前2的国家
top_countries <- df1 %>% 
  group_by(country) %>% 
  summarise(total_sales = sum(sales)) %>% 
  slice_max(total_sales, n = 2) %>% 
  pull(country)  # 提取top2国家的编号

# 第二步：筛选原数据中属于这些国家的所有行
result <- df1 %>% filter(country %in% top_countries)
result

如果你喜欢链式写法，也可以合并成一段，但分两步的逻辑更清晰、可读性更强。

处理包含NA的情况 #

当sales字段存在NA时，默认的sum(sales)会返回NA，导致对应的国家无法参与排名。这时候需要在求和时加上na.rm = TRUE参数忽略NA值，修改后的代码如下：

df1 <- data.frame(
  country = c(1, 1, 2, 2, 3),
  sales = c(1, 1, NA, 4, 3)
)

top_countries <- df1 %>% 
  group_by(country) %>% 
  summarise(total_sales = sum(sales, na.rm = TRUE)) %>%  # 关键：加入na.rm=TRUE忽略NA
  slice_max(total_sales, n = 2) %>% 
  pull(country)

result <- df1 %>% filter(country %in% top_countries)
result

这里country2的销售额总和会被计算为sum(NA,4, na.rm=TRUE)=4，country3为3，country1为2，所以最终top2国家是country2和3，结果会包含这两个国家的所有行（如果想去掉带NA的行，可以在最后再加filter(!is.na(sales))）。

关键总结 #

• 原代码错误的核心是分组后在组内执行slice_max，而你需要的是在全局范围内选出top国家，再筛选对应行
• 处理NA值时，一定要在sum()中加入na.rm=TRUE，否则会直接影响排名结果

内容的提问来源于stack exchange，提问作者Przemyslaw Remin