使用dplyr按分类变量及第二变量区间频数筛选dataframe的方法

以下是基于mtcars数据集的完整可运行实现，完全匹配你的需求：

library(dplyr)

# 设置随机种子保证结果可复现
set.seed(123)

# 可自定义修改的参数
drat_min <- 4.0
drat_max <- 4.3
keep_top_n <- 2

# 核心筛选流程
res <- mtcars %>%
  # 统计每个carb分类下符合drat区间的有效样本数
  add_count(carb, wt = drat >= drat_min & drat <= drat_max, name = "valid_count") %>%
  # 提取唯一carb分类及对应有效计数，同计数分类随机排序后取前2个
  distinct(carb, valid_count) %>%
  arrange(desc(valid_count), runif(n())) %>%
  slice_head(n = keep_top_n) %>%
  # 关联回原数据集，仅保留符合区间要求的行
  inner_join(mtcars, by = "carb") %>%
  filter(drat >= drat_min & drat <= drat_max)

逻辑说明 #

• 计数阶段：add_count的wt参数传入逻辑判断式，直接统计每个carb分组内满足drat区间的行数，无需单独做分组汇总再关联
• 并列处理阶段：同有效计数的carb分类通过runif(n())生成的随机值排序，天然实现并列分类的随机选择，配合set.seed可完全复现抽样结果
• 最终筛选阶段：拿到选中的TopN carb分类后，关联原表再过滤区间内的行，结果完全符合要求

示例运行效果：设置set.seed(123)时，会选中carb=1（对应3行有效数据）和carb=4（对应1行有效数据），最终得到4行结果；更换随机种子时会随机选中carb=2作为第二名分类。

内容的提问来源于stack exchange，提问作者jaysigg