如何基于列计数筛选行并按另一列分组（R语言）

我有一个包含多列的data frame，需求如下：

• 筛选仅包含特定属物种的行（spp列记录目标物种名称，非目标物种标记为NA），且该物种在全数据集中出现次数至少为3次；
• 同时按code列分组，排除仅包含出现次数不足3次物种的code站点。

现有数据及尝试代码如下：

df <- data.frame(
  spp = c("sp1", "sp1", "sp1","NA", "NA", "sp3", "sp3", "sp3", "sp3", "NA", "NA",
          "NA", "NA", "NA"),
  code = c("a", "b", "c","a", "e", "d", "a", 
           "b", "c", "f", "b","a","b","c"),
  va1 = c(1, 2, 2, 2,4, 3, 3, 4, 5, 5, 5,6,7,8)
)

filtered_df <- df %>%
  group_by(code) %>%
  filter(n() >= 3)

尝试设置不统计NA但未成功，期望输出仅保留符合条件的物种及code站点（如code为e、f的站点因无满足次数要求的物种需被排除），示例输出如下：

spp code va1
1  sp1    a   1
2  sp1    b   2
3  sp1    c   2
4   NA    a   2
5  sp3    d   4
6  sp3    a   3
7  sp3    b   3
8  sp3    c   3
9   NA    b   4
10  NA    a   5
11  NA    b   6
12  NA    c   7

分两步完成筛选：先确定有效物种，再筛选包含有效物种的站点，具体代码如下：

library(dplyr)

# 将字符串"NA"转换为R原生NA值，避免统计误差
df_cleaned <- df %>% 
  mutate(spp = ifelse(spp == "NA", NA, spp))

# 提取全数据集中出现次数≥3次的物种
valid_spp <- df_cleaned %>% 
  filter(!is.na(spp)) %>% 
  count(spp) %>% 
  filter(n >= 3) %>% 
  pull(spp)

# 筛选包含有效物种的code站点，保留站点内所有行（包括NA）
filtered_df <- df_cleaned %>% 
  group_by(code) %>% 
  filter(any(spp %in% valid_spp)) %>% 
  ungroup()

# 查看结果
print(filtered_df)

1. 数据清洗：原数据中NA以字符串形式存在，先转换为R原生NA，避免后续统计错误；
2. 确定有效物种：过滤掉NA行后统计每个物种的出现次数，提取出次数≥3的物种列表；
3. 筛选站点：按code分组，只要该组内存在至少一个有效物种，就保留整个组的所有行（包括NA行）；
4. 取消分组：最终得到符合要求的数据集。

运行代码后输出结果与期望一致。

内容的提问来源于stack exchange，提问作者pmp