如何用R语言dplyr按组保留含最新年份数据的所有行？

需求：若数据中name列的分组（A、B、C、D）包含year列值为2021的行，则保留该分组的所有行；否则删除该分组的全部行。

示例数据 #

name <- c("A","A","A","B","B","C","C","C","D","D","D","D")
year <- c(2018,2019,2020,2018,2019,2019,2020,2021,2018,2019,2020,2021)
col <- c(2,1,5,6,7,5,7,3,7,9,1,4)

# 注意：cbind生成的是矩阵，转成数据框并修正数据类型
df <- as.data.frame(cbind(name,year,col))
df$year <- as.numeric(df$year)
df$col <- as.numeric(df$col)

解决方案 #

不需要额外的Count类变量，直接用dplyr的分组结合any()函数就能实现需求：

library(dplyr)

df2 <- df %>%
  group_by(name) %>%
  filter(any(year == 2021)) %>%
  ungroup()

代码逻辑说明 #

• group_by(name)：按name字段分组，把数据拆成A、B、C、D四个子数据集
• filter(any(year == 2021))：对每个分组检查是否存在year为2021的行，只要有一行满足，就保留整个分组的所有行
• ungroup()：取消分组标记，让结果回到常规数据框格式

输出结果 #

运行后df2的内容与期望一致：

> df2
# A tibble: 7 × 3
  name   year   col
  <chr> <dbl> <dbl>
1 C      2019     5
2 C      2020     7
3 C      2021     3
4 D      2018     7
5 D      2019     9
6 D      2020     1
7 D      2021     4

内容的提问来源于stack exchange，提问作者MintySusan