基于nycflights13数据，如何用group_by分组carrier后筛选US分组满足>1条件

嘿，看起来你已经搞定了数据加载和分组的基础操作！接下来要实现的是在按carrier分组后，筛选出carrier为US且满足某个分组级条件（比如该组记录数>1）的分组，我分两种常见场景给你具体的代码和解释：

场景1：筛选Carrier为US且分组记录数>1的组 #

如果你的需求就是保留carrier为US的分组，同时确保该组的记录数量大于1（其实US航空公司的航班数远不止1，这个条件更多是给你演示分组级筛选的逻辑），可以用filter()配合dplyr的分组函数n()来实现：

library(nycflights13)
library(dplyr) # 别忘了加载dplyr，%>%、group_by这些函数都靠它

data <- flights
data %>% 
  group_by(carrier) %>% 
  filter(carrier == "US", n() > 1) # n()会返回当前分组的总记录数

场景2：筛选Carrier为US且分组统计指标>1的组 #

如果你的“>1”是指其他统计指标（比如该航空公司的平均起飞延误时间大于1分钟），这里有两种实现方式，看你偏好哪种：

方式1：先计算分组指标再筛选（逻辑更清晰） #

先通过summarise()算出每个航空公司的平均延误，再筛选符合条件的组：

data %>% 
  group_by(carrier) %>% 
  summarise(avg_dep_delay = mean(dep_delay, na.rm = TRUE)) %>% # 计算平均延误，忽略缺失值
  filter(carrier == "US", avg_dep_delay > 1)

方式2：直接在分组后筛选（无需提前汇总） #

如果你不想先生成汇总表，也可以直接在filter()里用聚合函数判断分组条件：

data %>% 
  group_by(carrier) %>% 
  filter(carrier == "US", mean(dep_delay, na.rm = TRUE) > 1)

小提醒 #

• 一定要记得加载dplyr包哦，不然%>%、group_by这些函数会报错；
• n()是dplyr专门用来获取当前分组行数的函数，非常实用；
• 如果你的“>1”是其他条件，只需要把代码里的n()>1或者mean(dep_delay,...)>1替换成你需要的聚合条件就行啦。

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