返回top_n后的原始数据集

Question

给定一个数据集，我们可以使用 top_n 来限制我们在 tidyverse 中返回的行数(即排序/排名)。我喜欢大多数 tidyverse 操作的灵活性，因为它们在大多数情况下可以撤消，即您可以回到开始的地方。

使用这里问题中的数据和可能的解决方案(我写的)，我怎样才能最好地撤消 top_n ？

数据 :

df<-structure(list(milk = c(1L, 2L, 1L, 0L, 4L), bread = c(4L, 5L, 
2L, 1L, 10L), juice = c(3L, 4L, 6L, 5L, 2L), honey = c(1L, 2L, 
0L, 3L, 1L), eggs = c(4L, 4L, 7L, 3L, 5L), beef = c(2L, 3L, 0L, 
1L, 8L)), class = "data.frame", row.names = c(NA, -5L))

代码 :

df %>% 
  gather(key,value) %>% 
  group_by(key) %>% 
  summarise(Sum=sum(value)) %>% 
  arrange(desc(Sum)) %>% 
  top_n(3,Sum) %>% 
  ungroup()

以上给了我这个:

# A tibble: 3 x 2
  key     Sum
  <chr> <int>
1 eggs     23
2 bread    22
3 juice    20

现在我将(学习如何)做的是在不删除代码的情况下返回原始数据集，即以编程方式从 top_n 恢复:

自然想到了 spreading( res就是上面的结果):

 spread(res,key,Sum)
# A tibble: 1 x 3
  bread  eggs juice
  <int> <int> <int>
1    22    23    20

但是，如何从那个或撤消 top_n 的替代解决方案着手(还)。我怎样才能最好地实现这一目标？

Answer 1

使用 pull 的类似想法，但方法略有不同:

library(tidyverse)

df %>%
  summarise_all(sum) %>%  # Your method of selecting 
  gather(key, val) %>%    # top three columns 
  top_n(3) %>%            # 
  arrange(-val) %>%       #
  pull(key) %>%           # pull 'key'
  select(df, .)           # select cols from df by `.`

#  eggs bread juice
#1    4     4     3
#2    4     5     4
#3    7     2     6
#4    3     1     5
#5    5    10     2

并且，从上一个问题中发展出想法:

df[, '['(names(sort(colSums(df), T)), 1:3)]

这给出了相同的结果。