如何基于除date外的所有列识别并删除重复行（保留最新日期）

需求说明 #

基于ID、Fn、Ln列（除date外的所有列）识别重复行，对每组重复行仅保留date值最新的条目，同时保留所有列，非重复行直接保留。

原始数据集 #

data <- data.frame(ID=c(1, 1, 6, 2, 2, 3, 3, 4, 4, 5, 5), 
                   Fn=c("Joe", "Joe", "Joe", "Stacy", "Stacy", "Craig", "Craig", "Leo", "Leo", "Penny", "Penny"), 
                   Ln=c("Schmoe", "Schmoe", "Schmoe", "Fakename", "Fakename", "Collins", "Collins", "Fern", "Fern", "Diamond", "Diamond"), 
                   date=c("2001-01-01", "2010-01-01", "2001-01-01", "2002-02-02", "2020-02-02", "2030-03-03", "2003-03-03", "2040-04-04", "2004-04-04", "2005-05-05", "2050-05-05")
)

解决方案 #

方法1：Base R 实现 #

无需额外安装包，通过分组、排序筛选完成：

# 转换date列为日期格式（确保日期比较逻辑准确）
data$date <- as.Date(data$date)

# 按ID、Fn、Ln分组，每组内按日期升序排序后取最后一行（最新日期）
result_base <- do.call(rbind, lapply(split(data, list(data$ID, data$Fn, data$Ln)), function(group) {
  sorted_group <- group[order(group$date), ]
  sorted_group[nrow(sorted_group), ]
}))

# 重置行名，避免分组带来的复合行名
rownames(result_base) <- NULL

方法2：dplyr 包实现（更简洁直观） #

使用tidyverse生态的dplyr包，代码可读性更强：

# 未安装dplyr时先执行：install.packages("dplyr")
library(dplyr)

result_dplyr <- data %>%
  # 转换日期格式
  mutate(date = as.Date(date)) %>%
  # 按ID、Fn、Ln分组
  group_by(ID, Fn, Ln) %>%
  # 筛选每组中日期最大的行
  filter(date == max(date)) %>%
  # 取消分组状态
  ungroup()

最终结果示例 #

两种方法得到的结果一致，保留的记录如下：

ID    Fn       Ln       date
1   1   Joe   Schmoe 2010-01-01
2   6   Joe   Schmoe 2001-01-01
3   2 Stacy Fakename 2020-02-02
4   3 Craig  Collins 2030-03-03
5   4   Leo     Fern 2040-04-04
6   5 Penny  Diamond 2050-05-05

内容的提问来源于stack exchange，提问作者user22757672