r - 按具有重复最大值的最大组样本大小过滤数据

Question

使用 iris 数据集加上下面创建的 Year 列，我想按 Species 和 分组Year 选择每个 物种 的最大观测数的 Year。

iris$Year <- c(rep(c("2007", "2008"), each = 25),
               rep(c("2007", "2008"), times = c(10, 40)),
               rep(c("2007", "2008"), times = c(40, 10)))
head(iris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species Year
1          5.1         3.5          1.4         0.2  setosa 2007
2          4.9         3.0          1.4         0.2  setosa 2007
3          4.7         3.2          1.3         0.2  setosa 2007
4          4.6         3.1          1.5         0.2  setosa 2007
5          5.0         3.6          1.4         0.2  setosa 2007
6          5.4         3.9          1.7         0.4  setosa 2007

如下面的汇总表所示，2007 和 2008 都有 25 个对 setosa 的观察(行)。当观察次数相同时，我想选择最小的 Year。

简而言之，我试图从上面的可重现数据集中仅选择 setosa 2007、versicolor 2008 和 virginica 2007，最好使用 dplyr

编辑请注意，我不想创建汇总表，而是想从上面创建的 iris 数据中选择相应的物种-年份组合。换句话说，我想对 iris 进行子集化，使其仅包含 setosa 2007、versicolor 2008 和 virginica 2007(即观测次数最多的最小年份)。对困惑感到抱歉。 结束编辑

library(dplyr)
iris %>%
  group_by(Species, Year) %>%
  summarise(N = n()) %>%
  as.data.frame()

     Species Year  N
1     setosa 2007 25
2     setosa 2008 25
3 versicolor 2007 10
4 versicolor 2008 40
5  virginica 2007 40
6  virginica 2008 10

Answer 1

你已经完成了一半。您需要仅按物种分组，根据您想要保留的内容进行排序，然后从每个物种中取出顶行。

iris %>%
  group_by(Species, Year) %>%
  summarise(N = n()) %>%
  group_by(Species) %>%
  arrange(desc(N), Year) %>%
  slice(1)
# # A tibble: 3 x 3
# # Groups:   Species [3]
#      Species  Year     N
#       <fctr> <chr> <int>
# 1     setosa  2007    25
# 2 versicolor  2008    40
# 3  virginica  2007    40

如果您想保持联系而不是打破联系，可以将 arrange %>% slice 替换为 filter(N == max(N))。