r - dplyr - 如何筛选出销售额更多(总和)的前 n 个组？

Question

我在 R 上使用 dplyr，我正在尝试过滤包含事务数据的 tibble。

我感兴趣的列是“Country”和“Sales”。

我有很多国家，出于探索目的，我只想分析销售额最高的前 5 个国家/地区。

这里的问题是，如果我进行一些分组，它对我不起作用，因为我需要所有行用于进一步分析目的(交易数据)。

我尝试了类似的方法:

trans_merch_df %>% group_by(COUNTRY) %>% top_n(n = 5, wt = NET_SLS_AMT)

但它完全关闭了。

假设我有这个:

trans_merch_df <- tibble::tribble(~COUNTRY, ~SALE,
                                  'POR',     14,
                                  'POR',     1,
                                  'DEU',     4,
                                  'DEU',     6,
                                  'POL',     8,
                                  'ITA',     1,
                                  'ITA',     1,
                                  'ITA',     1,
                                  'SPA',     1,
                                  'NOR',     50,
                                  'NOR',     10,
                                  'SWE',     42,
                                  'SWE',     1)

我期待的结果是:

COUNTRY   SALE
POR       14
POR       1
DEU       4
DEU       6
POL       8
NOR       50
NOR       10
SWE       42
SWE       1

因为 ITA 和 SPA 不在销售前 5 名中。

非常感谢。

干杯!

Answer 1

另一种 dplyr 可能是:

df %>%
 add_count(COUNTRY, wt = SALE) %>%
 mutate(n = dense_rank(desc(n))) %>%
 filter(n %in% 1:5) %>%
 select(-n)


  COUNTRY  SALE
  <chr>   <int>
1 POR        14
2 POR         1
3 DEU         4
4 DEU         6
5 POL         8
6 NOR        50
7 NOR        10
8 SWE        42
9 SWE         1

或者更简洁:

df %>%
 add_count(COUNTRY, wt = SALE) %>%
 filter(dense_rank(desc(n)) %in% 1:5) %>%
 select(-n)