如何在R中按分组依据保留最新日期行、去除重复旧行？

你的代码失效的核心原因是**date列是字符类型而非日期类型**，slice_max()会按字符串的字典序排序，而非实际的日期先后顺序。比如字符"2019"会被判定为比"2023/10/24"更大（字符串比较到第4位时"9">"3"），导致错误保留旧数据；另外像"2023/9/24"和"2023/10/24"这类日期，字符串排序也会出现逻辑错误。

先将date列转换为标准日期格式，再按分组保留最新日期的记录：

library(tidyverse)
library(lubridate) # 用于便捷处理多格式日期

df_join <- rbind(df1, df2)

df_clean <- df_join %>%
  # 将字符型date转换为日期格式，自动识别"YYYY"和"YYYY/MM/DD"两种输入格式
  mutate(date = parse_date_time(date, orders = c("Y", "Y/m/d"))) %>%
  # 按指定维度分组
  group_by(Sector, block, lot, units) %>%
  # 保留每组中日期最新的行，with_ties=FALSE确保同一分组仅留一行
  slice_max(date, with_ties = FALSE) %>%
  ungroup() # 取消分组状态，避免后续操作异常

# 查看清理后的结果
print(df_clean)

• 如果不想额外加载lubridate包，也可以用基础R实现日期转换：date = as.Date(date, tryFormats = c("%Y/%m/%d", "%Y"))，效果一致。
• 若你的数据中同一分组可能存在多个相同的最新日期，可将with_ties = FALSE改为TRUE，或添加额外筛选条件（比如按其他字段排序）。

内容的提问来源于stack exchange，提问作者Kledson Lemes