如何在R中基于两指定列筛选重复行并保留唯一行？

你可以通过以下两种常用方法实现需求：基于student和grade列的组合去重，仅保留每组的第一行，同时保留其他列的对应值。

方法一：使用dplyr包（tidyverse生态） #

dplyr的distinct()函数可以直接指定去重的列，并通过.keep_all = TRUE参数保留其他列的内容：

# 先加载dplyr包（未安装则先运行install.packages("dplyr")）
library(dplyr)

df1 <- tibble(student=c("John", "John", "John", "Mark", "June"), 
              grade=c("A", "A", "A", "B", "A"), 
              age=c(18,16, 14, 19, 20), 
              city=c("Chicago", "Seattle", "LA", "SF", "LA"))

# 执行去重
df2 <- df1 %>% 
  distinct(student, grade, .keep_all = TRUE)

# 查看结果
df2

运行后得到的df2与你期望的输出一致：

# A tibble: 3 × 4
  student grade   age city   
  <chr>   <chr> <dbl> <chr>  
1 John    A        18 Chicago
2 Mark    B        19 SF     
3 June    A        20 LA     

方法二：使用Base R #

无需额外安装包，利用duplicated()函数筛选出首次出现的行：

df1 <- tibble(student=c("John", "John", "John", "Mark", "June"), 
              grade=c("A", "A", "A", "B", "A"), 
              age=c(18,16, 14, 19, 20), 
              city=c("Chicago", "Seattle", "LA", "SF", "LA"))

# 基于student和grade列判断重复，保留非重复行（即首次出现的行）
df2 <- df1[!duplicated(df1[c("student", "grade")]), ]

# 查看结果
df2

该方法同样能生成符合要求的输出。

内容的提问来源于stack exchange，提问作者James Rider