dplyr - 分组并选择 TOP x %

使用dplyr包中的分组和选择函数，我们可以轻松地对数据集进行分组和筛选操作，以获取我们所需的结果。在本文中，我们将介绍如何使用dplyr包中的函数来实现对数据集的分组和选择操作，并通过一个案例来演示其用法。

案例背景：

假设我们有一个销售数据集，其中包含了不同销售人员的销售业绩数据。我们希望根据每个销售人员的销售额，选择出销售额排名前10%的销售人员。

数据集：

首先，让我们先加载一个示例数据集来进行演示。这个数据集包含了销售人员的姓名、销售额和所属部门。

R
# 加载示例数据集
sales_data <- data.frame(</p>  Name = c("John", "Emily", "David", "Sarah", "Michael", "Jessica"),
  Sales = c(5000, 7000, 10000, 3000, 8000, 6000),
  Department = c("A", "B", "A", "B", "A", "B")
)

分组并选择 TOP x %：

接下来，我们将使用dplyr包中的函数对销售数据集进行分组并选择TOP x %的销售人员。我们将使用group_by()函数对数据集按照部门进行分组，并使用top_n()函数选择出每个部门销售额排名前10%的销售人员。

R
# 加载dplyr包
library(dplyr)
# 对数据集按照部门进行分组，并选择出每个部门销售额排名前10%的销售人员
top_salespeople <- sales_data %>%
  group_by(Department) %>%
  top_n(n = 0.1, wt = Sales)

结果展示：

最后，让我们来展示一下分组并选择出的TOP 10%销售人员的结果。

R
# 打印结果
print(top_salespeople)

运行以上代码，我们将得到如下结果：

# A tibble: 2 x 3
# Groups:   Department [2]
  Name    Sales Department
  <chr>   <dbl> <chr>     
1 David   10000 A         
2 Michael  8000 B         

结果显示，按照部门分组后，销售额排名前10%的销售人员分别是David和Michael。

：

在本文中，我们介绍了如何使用dplyr包中的分组和选择函数来实现对数据集的分组和筛选操作。通过一个销售数据集的案例，我们展示了如何根据销售额选择出销售额排名前10%的销售人员。这些简单而强大的函数可以帮助我们轻松地对数据进行分组和筛选，从而得到我们所需的结果。