使用tidyverse筛选PAN列同时含YES和NO的ID对应行

需求说明 #

从包含ID和PAN列的数据框df1中，仅保留那些在PAN列同时存在"YES"和"NO"取值的ID对应的所有行（即示例中的ID 1、2、5的全部记录）。

方法1：Base R 原生实现 #

无需额外包，用原生函数即可完成：

# 第一步：筛选出符合条件的ID（同时包含YES和NO的ID）
valid_ids <- unique(df1$ID[ave(df1$PAN, df1$ID, FUN = function(x) length(unique(x))) == 2])

# 第二步：提取对应ID的所有行
result <- df1[df1$ID %in% valid_ids, ]

逻辑说明：

• ave()按ID分组，计算每个分组内PAN的唯一值数量
• 筛选出唯一值数量为2的ID，再通过%in%提取这些ID的全部行

方法2：dplyr 包实现（tidyverse 风格） #

如果习惯使用tidyverse生态，代码更简洁直观：

library(dplyr)

result <- df1 %>%
  group_by(ID) %>%          # 按ID分组
  filter(n_distinct(PAN) == 2) %>%  # 保留分组内PAN有2种取值的行
  ungroup()                 # 取消分组

逻辑说明：

• group_by(ID)按ID分组后，n_distinct(PAN)统计每组内PAN的唯一值数量
• 直接筛选出唯一值数量为2的分组的所有行，无需额外提取ID的步骤

运行结果 #

两种方法得到的result均为：

ID PAN
1  1  NO
2  1 YES
3  2 YES
4  2  NO
5  5  NO
6  5 YES

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