使用dplyr分组条件过滤：筛选男女数量均不少于5人的职业

问题原因 #

你当前的代码同时按professions和sex两个字段分组，统计的是单个职业下单个性别对应的人数，过滤条件也仅校验了单性别的人数阈值，只会保留满足单性别≥5的分组，无法实现「同一职业下两个性别都满足人数要求」的校验逻辑。

修正方案 #

方案1：单链式操作直接过滤 #

library(dplyr)

df %>%
  # 先按职业维度分组
  group_by(professions) %>%
  # 统计当前职业下的女性、男性人数，na.rm = TRUE可跳过空值避免统计错误
  mutate(
    female_cnt = sum(sex == "女性", na.rm = TRUE),
    male_cnt = sum(sex == "男性", na.rm = TRUE)
  ) %>%
  # 仅保留两性人数都≥5的职业的所有记录
  filter(female_cnt >= 5 & male_cnt >= 5) %>%
  # 可选：如果需要输出各职业分性别人数统计，取消注释下行
  # group_by(professions, sex) %>% summarize(count = n(), .groups = "drop")

提示：如果你的sex字段存储的是英文标识（如F/M），将条件判断中的取值替换为实际字段值即可。

方案2：先筛选合法职业再关联原数据 #

如果数据量较大，该方案可读性和运行效率更高：

# 第一步：统计各职业分性别人数，筛选出两性人数都≥5的职业列表
valid_professions <- df %>%
  count(professions, sex) %>%
  group_by(professions) %>%
  # 要求该职业下所有性别分组的人数都≥5
  filter(all(n >= 5)) %>%
  pull(professions) %>%
  unique()

# 第二步：从原数据中过滤出合法职业的所有记录
df_filtered <- df %>%
  filter(professions %in% valid_professions)

内容的提问来源于stack exchange，提问作者Adel