R语言分组去重：按ID&Group保留非零行的高效实现求助

示例数据集 #

ID    Group       Value    
   1     z1       0 
   1     z1       0.81 
   2     z2       2.89 
   2     z2       1.53
   3     z1       -0.23
   3     z1       0
   4     z3       10.75
   4     z3       8.13
   5     x2       0.45
   5     x2       1.43

对应的R数据构造代码：

library(tibble)
df <- tibble(
  ID = c(1, 1, 2, 2, 3, 3, 4, 4, 5, 5),
  Group = c("z1", "z1", "z2", "z2", "z1", "z1", "z3", "z3", "x2", "x2"),
  Value = c(0, 0.81, 2.89, 1.53, -0.23, 0, 10.75, 8.13, 0.45, 1.43)
)

需求说明 #

分组后若存在重复行（即每个ID+Group组内行数>1），仅保留Value列非零的行；无重复的分组则保留全部行。预期输出移除ID1和ID3中Value为0的行，其余分组保留所有行。

原代码问题分析 #

你提供的两段代码存在以下问题：

• 分组列名错误：原数据列名为Group，代码中误写为GroupID
• 效率低下：使用duplicated(.)会逐行比较整行内容，在22000行数据集上会大幅拖慢速度
• 逻辑不准确：any(duplicated(.))仅判断分组内是否有整行重复，无法覆盖分组内多行非零的情况（如ID2、4、5的分组）

优化代码方案 #

方案1：dplyr高效写法 #

library(dplyr)

df %>%
  group_by(ID, Group) %>%
  # 分组行数为1则保留所有行，否则仅保留Value非零的行
  filter(n() == 1 | Value != 0) %>%
  ungroup()

方案2：data.table极速写法（适合大数据集） #

如果数据集更大，推荐使用data.table，内存占用更低、运行速度更快：

library(data.table)

# 转换为data.table格式
setDT(df)
# 按ID+Group分组，逻辑同dplyr
df[, if (.N == 1) .SD else .SD[Value != 0], by = .(ID, Group)]

代码说明 #

• n()（dplyr）或.N（data.table）：直接统计分组内的行数，比duplicated(.)高效数倍，无需逐行比较
• 逻辑简化：通过n() == 1判断是否为无重复分组，避免复杂的条件嵌套
• 兼容性：覆盖所有分组场景，包括分组内全非零、含零值等情况

内容的提问来源于stack exchange，提问作者Ahir Bhairav Orai