寻求条件筛选的更优雅解决方案——717机组数据优化处理

核心需求回顾 #

仅对**717机型+飞行员（CREW_INDICATOR="P"）**的记录，按指定字段分组后保留updated_dt最大的条目；其余机型、717机型的乘务员（CREW_INDICATOR="FA"）数据原样保留。

优化方案一：条件分组+slice_max（推荐） #

无需拆分数据集再合并，通过条件分组实现逻辑统一，代码更简洁且扩展性强：

final_pairing <- int_prob_final_pairing %>%
  # 仅对目标组合按指定字段分组，其他记录按行号单独分组（等价于不分组）
  group_by(
    across(
      c(PAIRING_POSITION, PAIRING_NO, DEPARTING_CITY, ARRIVAL_CITY, SCHED_DEPARTURE_DATE, SCHED_DEPARTURE_TIME, PAIRING_DATE),
      ~ if (EQUIPMENT == "717" & CREW_INDICATOR == "P") . else as.character(row_number())
    )
  ) %>%
  # 目标组合取最新1条，其他组合保留所有记录；with_ties=FALSE可移除同时间的重复记录，按需调整
  slice_max(updated_dt, n = 1, with_ties = FALSE) %>%
  ungroup()

优化方案二：ifelse分组+filter #

如果更习惯用filter逻辑，也可以用以下写法：

final_pairing <- int_prob_final_pairing %>%
  group_by(
    # 生成临时分组键：目标组合用指定字段拼接，其他用行号
    temp_group = ifelse(
      EQUIPMENT == "717" & CREW_INDICATOR == "P",
      paste(PAIRING_POSITION, PAIRING_NO, DEPARTING_CITY, ARRIVAL_CITY, SCHED_DEPARTURE_DATE, SCHED_DEPARTURE_TIME, PAIRING_DATE),
      as.character(row_number())
    )
  ) %>%
  filter(
    ifelse(
      EQUIPMENT == "717" & CREW_INDICATOR == "P",
      updated_dt == max(updated_dt),
      TRUE
    )
  ) %>%
  ungroup() %>%
  select(-temp_group) # 移除临时分组列

关键优化点 #

1. 避免拆分合并：不用多次filter生成子集再rbind，减少代码冗余和数据复制开销
2. 扩展性强：后续新增特殊处理的机组-机型组合时，只需修改条件判断（比如用case_when扩展多场景）
3. 性能更优：slice_max是dplyr专门为取最大/最小记录设计的函数，比filter(updated_dt == max(updated_dt))效率更高，尤其是大数据量场景

扩展示例（新增其他特殊组合） #

如果需要同时处理**737机型+乘务员（FA）**的分组取最新，只需修改case_when扩展条件：

final_pairing <- int_prob_final_pairing %>%
  group_by(
    across(
      c(PAIRING_POSITION, PAIRING_NO, DEPARTING_CITY, ARRIVAL_CITY, SCHED_DEPARTURE_DATE, SCHED_DEPARTURE_TIME, PAIRING_DATE),
      ~ case_when(
        EQUIPMENT == "717" & CREW_INDICATOR == "P" ~ .,
        EQUIPMENT == "737" & CREW_INDICATOR == "FA" ~ .,
        TRUE ~ as.character(row_number())
      )
    )
  ) %>%
  slice_max(updated_dt, n = 1, with_ties = FALSE) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者Eizy