如何使用dplyr的arrange对分组数据按组统计值排序？

嘿，这个问题我之前也碰到过！你报错的原因很清晰：当你用group_by(cyl)之后，数据还是保留了mtcars原来的32行记录，而mean(mpg)每组只返回1个值（总共3组，所以只有3个值），arrange()需要每个行对应一个排序依据值，3个值对应32行自然就不匹配了，所以抛出了那个“incorrect size”的错误。

下面给你两种常用的解决方案，看你需要哪种效果：

1. 保留所有原始行，按组的均值排序（同组行聚在一起） #

如果你想保留mtcars的所有数据，同时让mpg均值最高的组排在最前面，同组的行放在一起，可以先给每个行添加上所在组的mpg均值，再基于这个新列排序：

library(dplyr)

mtcars %>%
  group_by(cyl) %>%
  # 给每行添加所在组的mpg均值
  mutate(mpg_group_mean = mean(mpg)) %>%
  # 按组均值降序排序，.by_group=TRUE确保同组行聚在一起
  arrange(desc(mpg_group_mean), .by_group = TRUE)

这样输出的结果里，4缸组（mpg均值最高）会排在最前面，接着是6缸，最后是8缸，每个组内的原始数据行都会保留。

2. 只保留分组统计结果并排序 #

如果你只需要每组的mpg均值，并且按均值从高到低排列，那可以先汇总再排序：

library(dplyr)

mtcars %>%
  group_by(cyl) %>%
  # 计算每组的mpg均值
  summarise(mpg_mean = mean(mpg)) %>%
  # 按均值降序排序
  arrange(desc(mpg_mean))

这个代码会输出一个3行的表格，每行对应一个气缸数组，按mpg均值从高到低排列，非常简洁。

总结一下：arrange()本身是对行操作的，所以必须保证排序依据的列和数据行数一致。要么用mutate()给每行添加上组统计值，要么用summarise()把数据压缩到分组级别再排序。

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