如何在R中编写自定义函数按特定条件删除数据框行？

核心规则提炼 #

针对你的需求，规则可明确为：

• 按col1分组后，若该分组内存在**col1与col2值相等**的行，则仅保留这些符合col1 == col2的行；
• 若该分组内不存在col1 == col2的行，则保留该分组的所有行。

方法一：使用dplyr包（简洁直观）

library(dplyr)

# 原始数据框
df <- data.frame(col1 = c("a", "a", "m", "m", "m", "m", "n", "q"),
                 col2 = c("a", "b", "m", "x", "y", "z", NA, "p"))

# 清洗数据
df_cleaned <- df %>%
  group_by(col1) %>%
  filter(
    # 逻辑：要么组内无匹配行则全留，要么只留匹配行
    !any(col1 == col2, na.rm = TRUE) | col1 == col2
  ) %>%
  ungroup()

# 输出结果
print(df_cleaned)

运行后输出与期望一致：

# A tibble: 4 × 2
  col1  col2 
  <chr> <chr>
1 a     a    
2 m     m    
3 n     NA   
4 q     p    

方法二：使用base R（无需额外包）

# 原始数据框
df <- data.frame(col1 = c("a", "a", "m", "m", "m", "m", "n", "q"),
                 col2 = c("a", "b", "m", "x", "y", "z", NA, "p"))

# 标记每个分组是否存在col1==col2的行
group_has_match <- with(df, ave(col1 == col2, col1, FUN = function(x) any(x, na.rm = TRUE)))

# 筛选符合条件的行
df_cleaned <- df[!group_has_match | (df$col1 == df$col2), ]

# 输出结果
print(df_cleaned)

输出结果：

col1 col2
1    a    a
3    m    m
7    n <NA>
8    q    p

内容的提问来源于stack exchange，提问作者Anh