为何Groupby与Filter的不同组合会产生不同输出结果？

示例数据 #

df <- data.frame(ID = c(1,1,3,4,5,6,6),
                 Acronym = c('A','B','A','A','B','A','A')
                 )

第一段代码逻辑与输出 #

df %>% 
  group_by(ID) %>%
  filter(Acronym == 'A', n() > 1)

• 执行逻辑：
  1. 先按ID完成分组：每个ID对应的所有原始行构成一个分组，比如ID=1的分组包含2行（A、B），ID=6的分组包含2行（A、A），其余ID各对应1行。
  2. 筛选条件是同时作用于分组和行：
     • n()计算的是整个原始分组的总行数，而非筛选后的行数；只要原始分组总行数>1，且当前行的Acronym为'A'，该行就会被保留。
  3. 最终输出：ID=1的'A'行、ID=6的两行'A'记录。

第二段代码逻辑与输出 #

df %>% filter(Acronym == 'A') %>% 
  group_by(ID) %>%
  filter(n() > 1)

• 执行逻辑：
  1. 先全局筛选出所有Acronym == 'A'的行，得到的数据集包含ID=1(A)、ID=3(A)、ID=4(A)、ID=6(A,A)这几行。
  2. 再按ID分组：此时每个分组是筛选后该ID对应的所有行，比如ID=1的分组仅1行，ID=6的分组有2行。
  3. 筛选n() > 1：这里的n()是筛选后分组的行数，只有行数>1的分组会被保留，最终仅输出ID=6的两行'A'记录。

核心差异 #

两段代码的本质区别在于**n()的计算时机和对象不同**：

• 第一段中，n()针对的是未筛选Acronym的原始分组总行数，只要原始分组行数>1，且行满足'A'就保留。
• 第二段中，n()针对的是先筛选'A'后形成的分组行数，只有筛选后分组行数>1的才会被保留。

内容的提问来源于stack exchange，提问作者Dre Day