关于筛选大型数据集的问题

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。我正在努力寻找永恒流行的婴儿名字，这意味着在我的数据中，每年都有30个最常见的性别名称。

我尝试过使用group_by、top_n和filter，但我对这个程序还不是很熟悉，所以不确定这里的正确顺序和思路。

library(babynames)

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

我正在得到一个大型数据表，其中包含每年数据的30个最常见的名称，但我希望通过比较它们来找到每年最常见的名称。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。如有任何帮助，我们不胜感激！

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，因此没有什么可以让您筛选出“前30名”。