如何在R中基于SERIAL列出现次数筛选符合条件的数据集

我有一个长格式数据集，包含30个时间点的问卷数据。分析需求是保留那些至少完成15次问卷的参与者的所有记录，也就是要筛选出SERIAL列中出现次数≥15的所有行。

我尝试用dplyr的count()函数查看了每个SERIAL的出现次数，但不知道怎么基于这个结果去筛选原数据集，试了几种方法都没成功，最后用以下base R代码实现了需求：

DF$trim <- ifelse((ave(DF$SERIAL, DF$SERIAL, FUN = length) >= 15),1,0)
DF$total <- ave(DF$SERIAL, DF$SERIAL, FUN = length)
DF$total <- as.numeric(DF$total)
NEW_DF <- subset(DF, DF$total >= 15)

简化的base R写法 #

其实可以精简代码，不需要额外创建多余的列，直接通过ave()生成每个SERIAL的出现次数后筛选：

NEW_DF <- DF[ave(DF$SERIAL, DF$SERIAL, FUN = length) >= 15, ]

用dplyr实现的两种方案 #

如果想用dplyr完成这个需求，推荐两种更直观的写法：

方法1：分组后直接筛选

按SERIAL分组，利用n()获取组内行数，直接筛选符合条件的组：

library(dplyr)

NEW_DF <- DF %>%
  group_by(SERIAL) %>%
  filter(n() >= 15) %>%
  ungroup() # 可选，完成筛选后取消分组状态

方法2：先统计有效ID再筛选

先通过count()得到符合次数要求的SERIAL列表，再用这个列表去原数据中筛选：

library(dplyr)

# 第一步：筛选出符合条件的SERIAL
valid_serials <- DF %>%
  count(SERIAL) %>%
  filter(n >= 15) %>%
  pull(SERIAL)

# 第二步：保留原数据中属于有效SERIAL的记录
NEW_DF <- DF %>%
  filter(SERIAL %in% valid_serials)

内容的提问来源于stack exchange，提问作者Chris