如何用dplyr直接保留分组数据中指定比例的前序行？

当然可以用dplyr一步到位解决这个需求！完全不需要split加自定义函数的两步操作，咱们用group_by()搭配slice()就能完美实现，而且全程不会打乱你原本的id排序。

先重现你的测试数据：

library(dplyr)
proportion = 0.5; set.seed(1)
df = data.frame(id=1:6, name=c("a", "a", "b"), value=rnorm(6)) %>% arrange(name)

核心的dplyr处理代码如下：

df %>%
  group_by(name) %>%
  slice(1:floor(n() * proportion)) %>%
  ungroup()

代码解释： #

• group_by(name)：先按你的分组变量name对数据分组
• slice(1:floor(n() * proportion))：n()会自动获取当前组的行数，乘以指定比例后用floor()向下取整（如果需要向上取整可以换成ceiling()），然后选取每组的前N行，完全保留组内原有的排序（也就是你之前按id排好的顺序）
• ungroup()：最后取消分组，回到常规的data.frame格式

运行这段代码后，得到的结果和你之前的两步解法完全一致：

# A tibble: 3 × 3
     id name   value
  <int> <chr>  <dbl>
1     1 a     -0.626
2     2 a      0.184
3     3 b     -0.836

额外说明： #

如果你的比例计算后得到小数（比如用0.65，假设某组有4行，4*0.65=2.6），你可以根据需求调整取整方式：

• 用floor()：向下取整，保留2行
• 用ceiling()：向上取整，保留3行
• 用round()：四舍五入，保留3行

内容的提问来源于stack exchange，提问作者agenis - code en bois