如何用dplyr对前n个观测值外的数值进行部分聚合（求和）

这里提供两种实用的dplyr方案，帮你完成需求：

方案一：单管道流实现（简洁高效） #

直接在一条dplyr管道里完成排序、标记分组、汇总的全流程：

library(dplyr)

# 原始数据
id <- c("aa", "bb", "cc", "dd", "ee", "ff", "gg", "hh", "ii", "jj")
value <- c(10, 9, 8, 7, 6, 5, 4, 3, 2, 1)
df <- data.frame(id, value)

n <- 5

df_new <- df %>%
  arrange(desc(value)) %>%
  mutate(id_new = if_else(row_number() <= n, id, "others")) %>%
  group_by(id_new) %>%
  summarise(value_new = sum(value), .groups = "drop") %>%
  arrange(match(id_new, c(df$id[1:n], "others")))

print(df_new)

步骤说明： #

• arrange(desc(value))：按value降序排序，确保前n行是数值最大的项
• mutate(...)：用行号判断，前n个id保留原样，其余统一标记为others
• group_by + summarise：按新的分组标识求和，.groups = "drop"清除分组状态
• arrange(...)：调整输出顺序，让top n的id保持原顺序，others放在最后

方案二：拆分步骤实现（逻辑清晰） #

把提取top N、聚合剩余数据、合并结果拆分开，更易理解：

library(dplyr)

# 原始数据
id <- c("aa", "bb", "cc", "dd", "ee", "ff", "gg", "hh", "ii", "jj")
value <- c(10, 9, 8, 7, 6, 5, 4, 3, 2, 1)
df <- data.frame(id, value)

n <- 5

# 提取top n的数据并调整列名
top_n_data <- df %>%
  top_n(n, value) %>%
  arrange(desc(value)) %>%
  rename(id_new = id, value_new = value)

# 聚合剩余数据为others
others_data <- df %>%
  anti_join(top_n_data, by = c("id" = "id_new")) %>%
  summarise(id_new = "others", value_new = sum(value))

# 合并结果
df_new <- bind_rows(top_n_data, others_data)

print(df_new)

步骤说明： #

• top_n(n, value)：直接筛选出数值最大的前n条数据，排序后调整列名匹配最终格式
• anti_join：找出不在top n里的剩余数据，求和后标记为others
• bind_rows：将top n数据和聚合后的others合并成最终数据框

两种方法都能得到你需要的df_new，可以根据自己的习惯选择。

内容的提问来源于stack exchange，提问作者vog