Получить top_n строк по группам в нескольких столбцах

Вот один из вариантов с map

library(tidyverse)
map(names(df)[-1], ~ 
          df %>% 
             select(A, .x) %>%
             group_by(A) %>%
             top_n(n = top, wt = !! rlang::sym(.x)) %>% 
             summarise(!! str_c('top.', .x) := mean(!! rlang::sym(.x)))) %>%
     reduce(inner_join, by = 'A')
# A tibble: 3 x 4
#  A     top.B top.C top.D
#  <fct> <dbl> <dbl> <dbl>
#1 A      6.10  3.20  12.8
#2 B      7.94  2.17  12.3
#3 C      8.19  1.18  12.9

Или используя frank from data.table с summarise_all (аналогично варианту в посте @tmfmnk)

library(data.table)
df %>%
    group_by(A) %>% 
    summarise_all(list( ~ mean(.[frank(-.) <= 5])))
# A tibble: 3 x 4
#  A         B     C     D
#  <fct> <dbl> <dbl> <dbl>
#1 A      6.10  3.20  12.8
#2 B      7.94  2.17  12.3
#3 C      8.19  1.18  12.9

Или с помощью order

df %>% 
    group_by(A) %>%
    summarise_all(list(~ mean(.x[order(-.)][1:5])))
# A tibble: 3 x 4
#  A         B     C     D
#  <fct> <dbl> <dbl> <dbl>
#1 A      6.10  3.20  12.8
#2 B      7.94  2.17  12.3
#3 C      8.19  1.18  12.9

Почему-то я получаю другие значения, чем вы, но этот подход должен работать

library(dplyr)
df %>% 
  gather(key, value, -A) %>%
  group_by(A, key) %>%
  top_n(5, value) %>%
  summarise(m = mean(value)) %>%
  ungroup() %>%
  spread(key, m)

# A tibble: 3 x 4
  A         B     C     D
  <fct> <dbl> <dbl> <dbl>
1 A      6.10  3.20  12.8
2 B      7.94  2.17  12.3
3 C      8.19  1.18  12.9

Вот данные:

set.seed(123)
df <- data.frame(
  A = sample(c("A","B","C"), 20, replace=TRUE),
  B = rnorm(60, 5, 2),
  C = rnorm(60, 0, 2),
  D = rnorm(60, 10, 2))

Одна dplyr возможность может быть:

df %>%
 group_by(A) %>%
 summarise_all(list(~ mean(.[dense_rank(desc(.)) <= 5])))

  A         B     C     D
  <fct> <dbl> <dbl> <dbl>
1 A      7.66  2.16  12.6
2 B      6.93  1.79  13.2
3 C      7.55  2.23  12.2

Если вам нужны нижние 5 наблюдений для столбца C:

df %>%
 group_by(A) %>%
 summarise(B = mean(B[dense_rank(desc(B)) <= 5]),
           C = mean(C[dense_rank(C) <= 5]),
           D = mean(D[dense_rank(desc(D)) <= 5]))

  A         B     C     D
  <fct> <dbl> <dbl> <dbl>
1 A      7.66 -1.99  12.6
2 B      6.93 -2.19  13.2
3 C      7.55 -2.26  12.2

Вариант data.table:

Чтобы получить среднее из топ-5

get_mean_top5 <- function(x) -mean(sort(-x, partial = 1:5)[1:5])
df[, lapply(.SD, get_mean_top5), keyby = A, .SDcols = c("B", "D")]
#    A        B        D
# 1: A 6.097723 12.75887
# 2: B 7.942064 12.33379
# 3: C 8.190137 12.93201

Среднее, если последние 5:

get_mean_bot5 <- function(x) mean(sort(x, partial = 1:5)[1:5])
df[, lapply(.SD, get_mean_bot5), keyby = A, .SDcols = c("C")]

Чтобы получить полную таблицу за один шаг:

setDT(df, key = "A")
df[, lapply(.SD, get_mean_top5), keyby = A, .SDcols = c("B", "D")
   ][df[, lapply(.SD, get_mean_bot5), keyby = A, .SDcols = c("C")]]