基于dplyr/tidyverse筛选数据：保留2岁参赛次数超3次的马匹并绘制箱线图的实现方法

我来帮你搞定这个问题！你的思路方向是对的，但关键是要先锁定符合条件的马匹名单，而不是只筛选它们2岁的记录——毕竟你要的是这些马的所有年龄数据来做箱线图对吧？

两种优雅的实现方式： #

方式1：先获取合格马匹名单，再过滤数据

这种方式逻辑清晰，适合新手理解：

library(tidyverse)

# 1. 先找出2岁时参赛次数超过3次的马匹
qualified_horses <- df %>%
  filter(age == 2) %>%  # 只看2岁的记录
  count(horse) %>%      # 统计每匹马2岁的参赛次数
  filter(n > 3) %>%     # 筛选参赛次数>3的马
  pull(horse)           # 提取马匹名称作为向量

# 2. 过滤原数据，只保留这些马的所有年龄记录
filtered_df <- df %>%
  filter(horse %in% qualified_horses)

# 3. 绘制箱线图（修复了fun.y弃用的警告）
filtered_df %>% 
  ggplot(aes(x=as.factor(age), y=value, fill=as.factor(age))) + 
  geom_boxplot(alpha=0.7) + 
  stat_summary(fun=mean, geom="point", shape=20, size=8, color="red", fill="red") + 
  stat_summary(fun = mean, geom = "text", col = "black",
               vjust = -1.5, aes(label = paste("X:", round(..y.., digits = 1)))) + 
  theme(legend.position="none") + 
  scale_fill_brewer(palette="Set1")

方式2：一步到位的管道写法（更简洁）

如果想少些中间变量，用管道直接完成筛选和绘图：

df %>%
  group_by(horse) %>%
  # 给每匹马添加一列，记录它2岁时的参赛次数
  mutate(race_count_2yo = sum(age == 2)) %>%
  ungroup() %>%
  # 只保留2岁参赛次数>3的马匹数据
  filter(race_count_2yo > 3) %>%
  # 直接绘图
  ggplot(aes(x=as.factor(age), y=value, fill=as.factor(age))) + 
  geom_boxplot(alpha=0.7) + 
  stat_summary(fun=mean, geom="point", shape=20, size=8, color="red", fill="red") + 
  stat_summary(fun = mean, geom = "text", col = "black",
               vjust = -1.5, aes(label = paste("X:", round(..y.., digits = 1)))) + 
  theme(legend.position="none") + 
  scale_fill_brewer(palette="Set1")

为什么你的原方法有问题？ #

你之前尝试group_by(horse, age)然后summarise，这样会把每个马的每个年龄都分开统计，最后筛选的只是2岁参赛次数不够的行，而不是整个马匹。我们需要的是把这些马的所有数据都保留/排除，所以必须先锁定马匹名单，再过滤整个数据集。

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