在R语言中获取重复Tag对应的最新SEnd记录方法问询

我有如下数据集，目标是为每个独立的Tag获取对应的最新SEnd值，最终保留Tag、Owner及最新SEnd等相关字段（本质是获取SEnd的最新年份）。我尝试了下面的dplyr代码，想问问有没有合适的函数来排序、剔除冗余条目，保留每个Tag对应的唯一最新SEnd记录：

latest_dates <- merged_df %>%  
group_by(Tag) %>%
arrange(desc(merged_df$`SEnd`)) %>%
top_n(1) %>%
select(`SEnd`)

原始数据集 #

期望输出 #

先指出你原代码的几个问题：

• 分组后arrange里不需要用merged_df$引用列，直接写desc(SEnd)即可，否则会忽略分组上下文
• top_n(1)在同一组存在多条相同最大SEnd的记录时，会保留所有符合条目，无法保证每个Tag只留一条
• select(SEnd)只保留了SEnd列，没满足你保留多字段的需求

下面是几种符合需求的实现方式：

方法1：使用slice_max（推荐） #

dplyr 1.0.0及以上版本提供的slice_max可以直接按分组取最大的n条记录，设置with_ties = FALSE就能确保每个组只留一条：

latest_records <- merged_df %>%
  group_by(Tag) %>%
  slice_max(order_by = SEnd, n = 1, with_ties = FALSE) %>%
  ungroup() # 取消分组，根据需求可选

方法2：排序后取每组第一条 #

先按Tag分组，再按SEnd降序排序，然后提取每组的第一条记录：

latest_records <- merged_df %>%
  group_by(Tag) %>%
  arrange(desc(SEnd), .by_group = TRUE) %>% # .by_group=TRUE确保在分组内排序
  slice(1) %>%
  ungroup()

方法3：筛选最大SEnd后去重 #

先找出每个Tag的最大SEnd值，再筛选出对应记录，最后按Tag去重保留第一条：

latest_records <- merged_df %>%
  group_by(Tag) %>%
  filter(SEnd == max(SEnd)) %>%
  distinct(Tag, .keep_all = TRUE) %>%
  ungroup()

以上三种方法都能得到你想要的期望输出。如果同一Tag同一最大SEnd有多条记录（比如10GS3的2020年有两条），这些方法都会保留排序后的第一条，和你的期望输出一致。

内容的提问来源于stack exchange，提问作者pat