在R中对data frame去重时，如何指定保留特定重复行？

首先修正你示例代码里的小错误：变量定义用了大写A/B/C，但创建data.frame时用了小写a/b/c，正确代码应该是：

A <- c(10, 10, 60, 90)
B <- c("French", "English", "English", "English")
C <- c("Civil", "Civil", "Common", "Common")

df <- data.frame(A, B, C)

你的需求是：当A列值重复时，保留B列为"English"的行，删除"French"的行；无重复的行则全部保留。下面提供两种可行方案：

方案1：使用dplyr包（更直观易读） #

如果还没安装dplyr，先执行安装命令：

install.packages("dplyr")

然后按分组筛选：

library(dplyr)

df_clean <- df %>%
  group_by(A) %>%
  filter(B == "English" | n() == 1) %>%
  ungroup()

• group_by(A)：按A列的值分组
• filter(B == "English" | n() == 1)：筛选出每组中B为"English"的行，或者组内只有一行（无重复）的行
• ungroup()：取消分组，恢复普通data.frame结构

运行后df_clean的结果为：

方案2：使用Base R（无需额外包） #

先给数据排序，把B列为"English"的行放到每个A组的前面，再用duplicated保留每组的第一行：

# 先排序：按A分组，B列中"English"优先排在前面
df_sorted <- df[order(df$A, -match(df$B, "English")), ]
# 保留每个A的第一行（此时第一行是English）
df_clean <- df_sorted[!duplicated(df_sorted$A), ]

• order(df$A, -match(df$B, "English"))：先按A排序，再让B为"English"的行排在同组最前面
• !duplicated(df_sorted$A)：只保留每个A第一次出现的行，也就是排序后的English行

为什么你的原代码不行？ #

你用的df[!duplicated(df$A), ]会保留A列第一次出现的行，而你的示例中"French"行在"English"行前面，所以会错误保留"French"行。上面的方案通过优先排序或条件筛选，确保保留你需要的行。

内容的提问来源于stack exchange，提问作者bmogil