R语言：提取分组数据集指定分位数及边界情况处理

针对你的问题，核心是当没有Cum ≤ 阈值的数据时，回退选取Cum最小的行对应的Size。你原代码的问题在于filter(Cum <= 10)后得到空数据集时，which.min(Size)会返回NA，导致最终结果缺失。下面提供两种可行的实现方式：

方式1：处理原列表格式的数据集 #

如果你的数据保持列表结构（每个元素对应一个站点的数据），可以用purrr::map结合条件判断实现需求：

library(dplyr)
library(purrr)

# 定义目标阈值
target_threshold <- 10

# 处理每个站点的数据
result <- map(df, function(station_data) {
  # 筛选符合Cum ≤ 阈值的行
  valid_rows <- station_data %>% filter(Cum <= target_threshold)
  
  if (nrow(valid_rows) > 0) {
    # 存在符合条件的行，选取Size最小的那一行
    valid_rows %>% slice_min(Size, n = 1)
  } else {
    # 无符合条件的行，选取Cum最小的那一行
    station_data %>% slice_min(Cum, n = 1)
  }
})

# 查看结果
result

逻辑说明 #

• 对每个站点数据，先筛选Cum ≤ 阈值的行；
• 如果筛选结果非空，用slice_min(Size)提取其中最小的Size（即使Size未排序，该方法也能生效）；
• 如果筛选结果为空，直接提取Cum最小的行（即该站点累积占比最小的记录）。

方式2：合并数据集后按站点分组处理 #

如果将所有站点数据合并为单个数据框，用group_by可以更高效地批量处理多个阈值（比如同时提取10%和50%分位数）：

library(dplyr)

# 将列表合并为单个数据框
df_combined <- bind_rows(df)

# 定义需要提取的多个阈值
thresholds <- c(10, 50)

# 按站点分组，提取每个阈值对应的Size
result_multi <- df_combined %>%
  group_by(SubStation) %>%
  summarise(
    across(all_of(thresholds), ~{
      # 判断是否存在Cum ≤ 当前阈值的行
      has_valid <- any(Cum <= .x)
      if (has_valid) {
        min(Size[Cum <= .x])
      } else {
        Size[which.min(Cum)]
      }
    }),
    .groups = "drop"
  )

# 查看结果
result_multi

输出示例 #

针对你提供的示例数据集，上述代码会返回：

内容的提问来源于stack exchange，提问作者RadRel