bounty将在3天后过期。回答此问题可获得+100声望奖励。Khashir希望引起更多人对此问题的关注：我很想弄清楚这一点，因为理论上这应该是tidyverse包中的一个关键功能。
我正在努力让窗口函数在R中工作，以便按行数对组进行排序。
下面是我的示例代码：
data <- read_csv("https://dq-content.s3.amazonaws.com/498/book_reviews.csv")
data %>%
group_by(state) %>%
mutate(num_books = n(),
state_rank = dense_rank(num_books)) %>%
arrange(num_books)预期的输出是原始数据将有一个新列，它告诉我每行（book、state、price和review）的排名，这取决于该行是否是书评最多的州（state_rank为1）;第二多的书（等级2）等。
我可以手动获得如下输出：
data <- read_csv("https://dq-content.s3.amazonaws.com/498/book_reviews.csv")
manual_ranks <- data %>%
count(state) %>%
mutate(state_rank = rank(state))
desired_output <- data %>%
left_join(manual_ranks) %>%
arrange(state_rank)
sample_n(desired_output, 10)换句话说，我需要此表的最后一列：
data %>%
count(state) %>%
mutate(state_rank = rank(state))添加到原始表的每一行（而不必创建该表并随后使用left_join by state;这就是窗口函数的意义）。
无论如何，在原始代码中，您将看到所有state_rank都只显示为1，而我期望书评最多的州排名为1，评论第二多的州排名为2，以此类推。
我的目标是能够按state_rank > 4进行过滤，也就是说，我希望保留原始数据中书评最多的前4个州的所有行。
2条答案
按热度按时间wfsdck301#
我不太明白为什么你想排名的评论数量每个国家也没有分组的标题，也许给一些权重的价格，但你原来的描述：
这将允许您根据总评论数最多或最少的州来过滤数据。请注意，我删除了列
reviews，但如果您想保留它，只需删除.keep = "unused"即可。编辑：我最初忘了颠倒排名，这样评论最多的州排名最高（因为rank函数从低到高对数值进行排名）。使其成为1的分数是我能想到的最简单的方法。
此外，计算每组的评论数量利用了逻辑
TRUE在R中等于1的事实。我假设你只想计算没有NA值的评论。我肯定想通过将评论转换为一个尺度来衡量评论-因此，一本只有poor评论的书在州排名上并不是一件好事。pengsaosao2#
首先，让我说，你的“手工方法”至少有两个问题，所以我不能100%确定我理解的问题是正确的。
问题1：使用以下公式计算秩：
表达式
rank(state)对state列进行运算，因此对州的names进行运算。这意味着州名在字母表中排在第一位的州排名最低。您可能希望通过图书计数来计算排名，因此需要mutate(state_rank = rank(n))。问题2：根据定义，统计等级不随值递减，因此具有最低计数的状态得到等级1。（当然，您可以很容易地转换结果;我只是想指出代码的输出与您的描述不符。
现在回到你的问题：
你说得对，窗口函数不会改变数据的形状（准确地说，它们不改变数据的行数），但它们的局限性在于它们只能对当前窗口的数据进行操作，您要计算不同州的账面数的排名，由于每个州都形成自己的组/窗口，这是一个涉及到不同集团/窗口的操作，你根本无法用窗口函数来解决。
如果你想避免使用帮助表和连接，你可以使用
nest来收集一行中每个州的账簿，并在排名计算后使用unnest恢复所有内容。然而，就我个人而言，我更喜欢您所概述的“手动方法”，因为我发现它比
nest()的替代方法要清楚得多。