R语言：如何按用户类型获取使用量Top20的站点？

以下提供两种适配你的需求的实现方法，针对300万+观测值的大数据量都适用：

方法一：使用tidyverse（dplyr包） #

这个方法代码可读性强，适合新手理解：

# 先安装并加载dplyr包（首次使用需安装）
# install.packages("dplyr")
library(dplyr)

# 执行分组统计、排序、提取Top20
top20_stations <- trips %>%
  # 按用户类型和站点分组
  group_by(users, stations) %>%
  # 统计每个组的观测数量（即使用次数）
  summarise(usage_count = n(), .groups = "drop_last") %>%
  # 按使用次数降序排列
  arrange(desc(usage_count)) %>%
  # 为每个用户类型提取使用量前20的站点
  slice_max(n = 20, order_by = usage_count)

# 查看结果
print(top20_stations)

如果需要严格只取前20个（忽略并列排名的站点），可以在slice_max中添加with_ties = FALSE参数。

方法二：使用基础R（无需额外安装包） #

如果不想安装第三方包，可以用基础R实现：

# 生成用户-站点的交叉计数表
station_usage <- table(trips$users, trips$stations)

# 转换为数据框格式
usage_df <- as.data.frame(station_usage)
colnames(usage_df) <- c("users", "stations", "usage_count")

# 按用户分组，提取每组前20的站点
top20_stations_base <- do.call(rbind, lapply(split(usage_df, usage_df$users), function(group_df) {
  # 按使用次数降序排序
  sorted_group <- group_df[order(-group_df$usage_count), ]
  # 取前20行
  head(sorted_group, 20)
}))

# 重置结果的行名
rownames(top20_stations_base) <- NULL

# 查看结果
print(top20_stations_base)

针对示例数据的验证 #

用你提供的示例数据测试，两种方法都会输出类似如下结果：

（注：示例数据中每个用户类型的站点不足20，所以会返回所有站点）

内容的提问来源于stack exchange，提问作者curious_