dplyr：select 每组的前半部分（或给定比例）

Question

我的需求很简单：我有一个带有分组变量的 data.frame，像这样：

library(dplyr)
proportion = 0.5; set.seed(1)
df = data.frame(id=1:6, name=c("a", "a", "b"), value=rnorm(6)) %>% arrange(name)

我只想保留每组的前半部分（按 id 排序）。（我想使用可修改的比例而不是一半，比如 0.65，因为它用于 train/test 目的的数据拆分）

很多问题都回答了这个问题，但有固定的行数（使用 top_n()、）我不知道如何根据每个组的大小使用 dplyr。而且我不想要 sample_frac() 因为它会破坏 id 顺序。但是，我使用自定义函数分两步找到了解决方案：

myfunc = function(data, prop){head(data, nrow(data)*prop)}
splitted.data = split(df, df$name)
lapply(splitted.data, myfunc, prop=proportion) %>% bind_rows()
####   id name      value
#### 1  1    a -0.6264538
#### 2  2    a  0.1836433
#### 3  3    b -0.8356286

但是我可以直接用 dplyr 做这个吗？谢谢

Answer 1

您可以使用 n()，它将为您提供分组 df 中的行数。它在 top_n 中不起作用，但在 filter 和 slice 中起作用：

df %>% 
  group_by(name) %>% 
  filter(row_number() <= proportion * n())

或

df %>% 
  group_by(name) %>% 
  slice(seq(proportion * n()))

dplyr：select 每组的前半部分（或给定比例）

dplyr: select first half (or given proportion) of each group

r

training-data

dplyr