R语言dplyr按组筛选多列最大值结果不符，求排查解决

错误根源 #

你使用的a:w列范围在dplyr中是按列名的字母顺序匹配，而非数据框的物理列顺序。你的数据框中Process（P）、RegionName（R）、Time（T）、Level（L）这些列名的首字母都落在a到w的字母区间内，因此被错误纳入了a:w的列集合中。其中Time列是日期/数值类型，其值会干扰a-w列的最大值计算，这正是导致c1、d1组结果不符合预期的原因。

比如c1组中，Time列的2010（日期转数值后会更大）远大于a-w列的16和129，which.max会优先选取第一个出现该最大值的行（XYZ_10），而非你期望的h列值为129的XYZ_11。

解决方法 #

需要明确指定仅选取物理顺序上的a到w列，或通过列名特征筛选目标数值列，避免包含无关列。以下是两种可靠的实现方式：

方法1：按物理列位置选取 #

根据你的测试数据，a列是第6列（前5列是type、Process、RegionName、Time、Level），因此可以直接选取从第6列到最后一列：

max_test <- test %>% 
  group_by(type) %>%
  # 计算每行a到w列的最大值
  mutate(row_max = pmax(across(6:ncol(.)), na.rm = TRUE)) %>%
  # 选取组内行最大值最大的行
  slice(which.max(row_max)) %>%
  # 移除临时计算列
  select(-row_max)

方法2：按列名特征选取（更鲁棒） #

如果列名固定为单个字母a到w，可以直接匹配这些列名：

# 生成a到w的字母向量
target_cols <- letters[1:23] # a是第1位，w是第23位

max_test <- test %>% 
  group_by(type) %>%
  mutate(row_max = pmax(across(all_of(target_cols)), na.rm = TRUE)) %>%
  slice(which.max(row_max)) %>%
  select(-row_max)

说明 #

• 使用pmax(across(...), na.rm = TRUE)计算每行目标列的最大值，确保忽略可能的NA值。
• slice(which.max(row_max))选取组内该行最大值最大的记录，符合你的需求。
• 两种方法都避免了无关列（如Time、Process）的干扰，确保仅计算a到w列的数值。

验证结果 #

应用上述代码后：

• c1组会选取XYZ_11（h列129 > XYZ_10的l列16）
• d1组会选取XYZ_16（h列961647 > 其他行的数值）

内容的提问来源于stack exchange，提问作者dmoyaec