使用dplyr::distinct(.keep_all=TRUE)时如何指定保留特定行？

首先定义测试数据框：

df <- data.frame(
  x = c("A", "A", "A"),
  y = c(1, 0, 1),
  z = c("o", "m", "g")
)

方法1：排序后用distinct（最直观） #

通过排序让你想要保留的行在每组x,y中排在最前面，调用distinct时就会优先保留该行：

library(dplyr)

df %>%
  arrange(x, y, desc(z == "g")) %>%  # 让z='g'的行在同x,y组中排第一
  distinct(across(-z), .keep_all = TRUE)

输出结果：

x y z
1 A 0 m
2 A 1 g

方法2：分组后筛选目标行 #

按x,y分组，直接筛选组内符合z=='g'的行；如果组内没有符合条件的行，就保留第一行作为兜底：

df %>%
  group_by(x, y) %>%
  filter(z == "g" | row_number() == 1) %>%
  ungroup()

方法3：用slice_max选择权重最高的行 #

给目标行设置更高权重，用slice_max提取每组中权重最高的行：

df %>%
  group_by(x, y) %>%
  slice_max(order_by = (z == "g"), n = 1) %>%  # z=='g'时权重为1，其他为0
  ungroup()

扩展：指定多个目标值的优先级 #

如果需要保留多个z值且有优先级（比如优先g，其次m），可以给z值设置优先级排序：

# 定义优先级顺序，越靠前优先级越高
z_priority <- c("g", "m", "o")

df %>%
  mutate(priority = match(z, z_priority)) %>%  # 给每个z值分配优先级数值
  arrange(x, y, priority) %>%
  distinct(across(-c(z, priority)), .keep_all = TRUE) %>%
  select(-priority)  # 移除临时优先级列

内容的提问来源于stack exchange，提问作者FISR