如何按年份和地区分组排序，获取Top3免费参观人数最多的博物馆？

我有一个包含name（博物馆名称）、no_entrees_gratuites（免费参观人数）、year（年份）、region（地区）列的DataFrame，结构如下：

$ name                : chr [1:13233] "Musée de la Folie Marco" "Musée de la Poterie" "Musée Alsacien" "Musée Historique" ...
$ no_entrees_gratuites: num [1:13233] 2339 538 1329 3305 723 ...
$ year                : num [1:13233] 2008 2008 2008 2008 2008 ...
$ region              : chr [1:13233] "Grand Est" "Grand Est" "Grand Est" "Grand Est" ...

数据示例：

name               no_entrees_gratuites  year  region 
Musée du Louvre                4117897   2008  Ile-de-France
Musée Fabre                    131553    2008  Occitanie
Château de Versailles          1696929   2008  Ile-de-France
Musée d'Art et d'Histoire      602183    2008  Occitanie
Musée d'Orsay                  1327622   2008  Ile-de-France
Muséum d'Histoire Naturelle    150530    2008  Occitanie

我需要按年份、地区分组，筛选出每组内免费参观人数最多的前3家博物馆，预期结果如下：

name               no_entrees_gratuites  year  region 
Musée du Louvre                4117897   2008  Ile-de-France
Château de Versailles          1696929   2008  Ile-de-France
Musée d'Orsay                  1327622   2008  Ile-de-France
Musée d'Art et d'Histoire      602183    2008  Occitanie
Muséum d'Histoire Naturelle    150530    2008  Occitanie
Musée Fabre                    131553    2008  Occitanie 

之前尝试了全局排序的方法，都不符合需求：

• 使用dplyr的arrange全局排序：

musees_entrees_gratuites_per_region_year <- musees_entrees_gratuites_per_region_year %>% arrange(desc(no_entrees_gratuites))

• 使用order函数全局排序：

musees_entrees_gratuites_per_region_year[with(musees_entrees_gratuites_per_region_year,order(musees_entrees_gratuites_per_region_year$no_entrees_gratuites, musees_entrees_gratuites_per_region_year$name)),]

可以用dplyr的分组+筛选组合操作，核心是按年份和地区分组后，提取每组内的TopN数据：

方法1：使用slice_max（推荐） #

library(dplyr)

result <- musees_entrees_gratuites_per_region_year %>%
  group_by(year, region) %>%
  # 每组取免费参观人数最多的前3个，with_ties=FALSE避免并列时多取数据
  slice_max(no_entrees_gratuites, n = 3, with_ties = FALSE) %>%
  # 按年份、地区排序，组内按参观人数降序排列
  arrange(year, region, desc(no_entrees_gratuites)) %>%
  ungroup() # 取消分组，根据后续操作需求可选

如果需要保留并列排名的所有行（比如多个博物馆参观人数相同且都在前3），将with_ties参数设为TRUE即可。

方法2：使用rank函数 #

result <- musees_entrees_gratuites_per_region_year %>%
  group_by(year, region) %>%
  # 给每组内的博物馆按参观人数降序排名，ties.method="first"处理并列情况
  mutate(rank = rank(desc(no_entrees_gratuites), ties.method = "first")) %>%
  # 筛选排名前3的行
  filter(rank <= 3) %>%
  # 按年份、地区、排名排序
  arrange(year, region, rank) %>%
  # 移除排名列
  select(-rank) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者Lumb