R语言按组过滤：排除false占比超50%的分组

你可以通过dplyr的分组计算+过滤实现需求，核心是统计每组内False的数量占比，再保留占比≤50%的分组。以下是两种可行方案：

方案一：直接分组过滤 #

这种方式更简洁，一步完成分组计算与过滤：

library(tidyverse)

# 替换成你的数据框名、分组列名、逻辑列名
filtered_data <- your_data %>%
  group_by(your_group_column) %>%
  # 计算组内False占比，保留占比不超过50%的组
  filter(sum(!your_true_false_column) / n() <= 0.5) %>%
  ungroup()

• sum(!your_true_false_column)：统计组内False的数量（因为!TRUE为FALSE，!FALSE为TRUE，sum会将TRUE计为1，FALSE计为0）
• n()：返回当前组的总数据条数
• ungroup()：取消分组，避免后续操作受分组状态影响

方案二：先筛选有效分组再过滤原数据 #

如果需要先查看各组的False占比，这种方式更直观：

library(tidyverse)

# 第一步：计算各组的False占比，筛选出符合条件的分组
valid_groups <- your_data %>%
  group_by(your_group_column) %>%
  summarise(
    false_ratio = sum(!your_true_false_column) / n(),
    .groups = "drop"
  ) %>%
  filter(false_ratio <= 0.5) %>%
  pull(your_group_column)

# 第二步：用有效分组过滤原数据
filtered_data <- your_data %>%
  filter(your_group_column %in% valid_groups)

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