R语言按分组计算百分位 合并低于阈值行至Others汇总行

• 分位数计算未按分组执行：直接调用quantile(df$Flowers, 0.7)取的是全数据集的全局阈值，不是每个Year组内的70分位值，跨组计算逻辑错误
• 判断条件量纲不匹配：用行排名序号a和Flowers的分位数值做大小比较，两个指标含义完全不同，判断逻辑从根本上不成立
• 冗余步骤过多：不需要额外创建a列做中间标记，也不需要多次重复分组

library(dplyr)

df_Others <- df %>%
  # 按年份分组，所有计算在组内独立完成
  group_by(Year) %>%
  # 计算组内70分位阈值，标记低于阈值的条目归为Others
  mutate(
    group_threshold = quantile(Flowers, 0.7),
    SciName = if_else(Flowers < group_threshold, "Others", as.character(SciName))
  ) %>%
  # 按年份+处理后的物种名分组，汇总花数总和
  group_by(Year, SciName) %>%
  summarise(Flowers = sum(Flowers), .groups = "drop") %>%
  # 排序：同一年份下原物种按花数降序排，Others固定在组内最后
  arrange(Year, SciName == "Others", desc(Flowers))

• 所有分位数计算严格在单个年份组内执行，不会出现跨组阈值混用的问题
• 直接用每行Flowers数值和组内阈值做判断，逻辑匹配需求
• 用提供的测试样例运行，输出完全匹配预期结果：
  • 2004年组70分位阈值为1700，高于阈值的Liliac(2000)、Rose(3000)保留原名，Daisy(10)、Lily(5)求和为15归为Others
  • 2005年组70分位阈值为2200，高于阈值的Lily(5000)、Daisy(1000)保留原名，Liliac(20)、Rose(3)求和为23归为Others

注意：如果需求是保留每组内花数排名前30%的条目（而非数值大于70分位点），把标记逻辑替换为按行排名判断即可，代码如下：

mutate(
  row_rank = row_number(desc(Flowers)),
  total_rows = n(),
  SciName = if_else(row_rank > total_rows * 0.7, "Others", as.character(SciName))
)

两种逻辑的区别是：前者按数值大小卡阈值，后者按排名占比卡保留数量，按需选择即可。如果需要把刚好等于分位值的条目保留为原分类，调整判断条件的大于/小于等于符号即可。

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