r - 获取由累积列值加权的 data.frame 的顶行

Question

假设我们有一个包含数字列的 date.frame。现在我只想过滤那些占数字列前 75% 的行。

这是一个例子和一个笨拙的解决方案:

library(tidyverse)

d <- tribble(
  ~name, ~value,
  "A", 40,
  "B", 20,
  "C", 10,
  "D", 10,
  "E",  5,
  "F",  5,
  "G",  3,
  "H",  3,
  "I",  3,
  "J",  1,
)

d %>% 
  arrange(desc(value)) %>% 
  mutate(
    relative_value = value / sum(value),
    cum_relative_value = cumsum(relative_value)
  ) %>% 
  filter(lag(cum_relative_value) <= 0.75 | is.na(lag(cum_relative_value))) 
#> # A tibble: 4 x 4
#>   name  value relative_value cum_relative_value
#>   <chr> <dbl>          <dbl>              <dbl>
#> 1 A        40            0.4                0.4
#> 2 B        20            0.2                0.6
#> 3 C        10            0.1                0.7
#> 4 D        10            0.1                0.8

^{由 reprex package 创建于 2021-04-30 (v1.0.0)}

如您所见，我计算了累积值的百分比并根据该值进行过滤。我必须使用 lag() 获取超过 0.75 界限的行，并使用 is.na() 获取第一行。

这真的感觉很笨拙。我认为应该有 slice_* 或 fct_lump_prop() 的解决方案，但我想不通。

那么有什么好的“dplyr”方式吗？

Answer 1

这个呢？

d %>%
  arrange(-value) %>%
  filter(
    lag(cumsum(prop.table(value)), default = 0) <= 0.75
  )

给出

# A tibble: 4 x 2
  name  value
  <chr> <dbl>
1 A        40
2 B        20
3 C        10
4 D        10