dplyr中group_by结合top_n无法获取分组内按字母序前2项的问题

我来帮你搞定这个问题～你用group_by()加top_n()没得到预期结果，主要是踩了两个小坑：

1. top_n()的默认逻辑：它默认会根据数据框最后一列的值降序选取最大的n个元素，而不是按你之前的arrange顺序来取；
2. arrange的执行顺序：你在group_by()之前做的arrange(Name, Group)，会在分组后被打乱，因为group_by()会重新按分组键排列数据。

下面给你几个靠谱的解决方案，都是dplyr里的常用方法：

方法1：用slice_head()（推荐，dplyr 1.0.0+） #

这个方法最直观，先分组，再在每个组内按Name升序排序，最后取前2个：

library(dplyr)

df <- data.frame(Group = c(0, 0, 0, 1, 1, 1), Name = c("a", "c", "b", "e", "d", "f"))

result <- df %>% 
  group_by(Group) %>% 
  arrange(Name, .by_group = TRUE) %>%  # .by_group=TRUE确保在每个分组内排序
  slice_head(n = 2)

print(result)

输出正好符合你的期望：

# A tibble: 4 x 2
# Groups:   Group [2]
  Group Name 
  <dbl> <chr>
1     0 a    
2     0 b    
3     1 d    
4     1 e

方法2：用slice_min()直接取最小的前2个 #

如果不需要显式排序，也可以直接用slice_min()指定按Name取每个组最小的2个元素：

result <- df %>% 
  group_by(Group) %>% 
  slice_min(Name, n = 2) %>% 
  arrange(Group, Name)  # 最后排序让结果更整洁

print(result)

方法3：修正top_n()的用法（不推荐，不如上面直观） #

如果一定要用top_n()，需要明确指定排序权重wt，并且因为要取字母升序（即Name最小的前2个），需要用负号表示取最小的n个：

result <- df %>% 
  group_by(Group) %>% 
  top_n(-2, wt = Name) %>% 
  arrange(Group, Name)

print(result)

本质上，这些方法的核心都是先在分组内按Name排序，再选取前N个，区别只是语法简洁度不同～

内容的提问来源于stack exchange，提问作者Menno Van Dijk