group_by后使用summarise选取分组第j行的方法是否正确？

你的这种写法完全可行，但需要结合场景权衡是否使用。

为什么这个写法有效？ #

在dplyr中，经过group_by()分组后，summarise()里的变量会以分组内的向量形式存在。只要你已经通过arrange()给每个分组内的行排好了顺序，直接用another_variable[j]就能取到该分组中第j个位置的元素，完全匹配你“获取每个分组排名第j的行”的需求。

比如你的实验代码：

# 取每个分组第1行的mpg值
mtcars %>% 
  arrange(cyl, mpg) %>% 
  group_by(cyl) %>% 
  summarise(answer = mpg[1])

输出结果：

# A tibble: 3 × 2
    cyl answer
  <dbl>  <dbl>
1     4   21.4
2     6   17.8
3     8   10.4

再比如取第2行：

mtcars %>% 
  arrange(cyl, mpg) %>% 
  group_by(cyl) %>% 
  summarise(answer = mpg[2])

输出结果：

# A tibble: 3 × 2
    cyl answer
  <dbl>  <dbl>
1     4   21.5
2     6   18.1
3     8   10.4

和官方推荐写法的对比 #

官方推荐使用first()、nth()这类专门的函数，比如：

# 等价于mpg[1]
mtcars %>% 
  arrange(cyl, mpg) %>% 
  group_by(cyl) %>% 
  summarise(answer = first(mpg))

# 等价于mpg[2]
mtcars %>% 
  arrange(cyl, mpg) %>% 
  group_by(cyl) %>% 
  summarise(answer = nth(mpg, 2))

两种写法结果完全一致，但官方函数有两个明显优势：

1. 可读性更强：看到nth(mpg, 2)就知道是取第2个元素，而mpg[2]需要结合上下文的arrange才能明确意图，团队协作或后期维护时更清晰。
2. 边界处理更灵活：如果某个分组的行数小于j，nth()可以通过default参数指定默认值（比如nth(mpg, 10, default = NA_real_)），而直接用索引会返回NA，需要额外处理。

总结 #

你的写法是有效的，但从代码可读性和健壮性角度，更推荐使用dplyr提供的first()/nth()/last()这类语义明确的函数。

内容的提问来源于stack exchange，提问作者user2338823