关于过滤大型数据集的问题

Question

在这里的问题中，我有一个可以追溯到 1880 年的流行婴儿名字的数据集。我试图找到永恒流行的婴儿名字，这意味着在我的数据中每年的 30 个最常见的性别名称。

我尝试过使用 group_by、top_n 和 filter，但对程序还不是很熟悉，所以不确定这里的正确顺序和思路如何。

library(babynames)

timeless <- babynames %>% group_by(name, sex, year) %>% top_n(30) %>% filter()

我得到了一个大型数据表，其中包含每年数据的 30 个最常用名称，但我想比较它以找到每年最常用的名称。我的教授暗示应该有四个永恒的男孩名字和一个永恒的女孩名字。任何帮助表示赞赏！

Answer 1

这就是答案。

library(babynames)
library(dplyr)

timeless <- babynames %>% 
  group_by(sex, year) %>% 
  top_n(30) %>%
  ungroup() %>%
  count(sex, name) %>%
  filter(n == max(babynames$year) - min(babynames$year) + 1)

timeless
# # A tibble: 5 x 3
#   sex   name          n
#   <chr> <chr>     <int>
# 1 F     Elizabeth   138
# 2 M     James       138
# 3 M     John        138
# 4 M     Joseph      138
# 5 M     William     138

关于您的原始代码，group_by(name, sex, year) %>% top_n(30) 没有意义，因为 name、sex 和 year 的所有组合都是唯一的，因此您无需提交“前 30 名”。