基于两个日期对DataFrame去重：按ID保留Date2与Date1最接近的行的实现方法

这问题我熟，咱们一步步来实现，保证每个ID只留一行，且是Date2和Date1日期差最小的那行～

首先要注意：你的Date1和Date2都是字符串格式，得先转换成R能识别的日期类型，不然没法计算日期差。下面给你两种常用的实现方式：

方法一：用dplyr包（推荐，代码更直观） #

dplyr是处理数据框的常用工具包，代码逻辑清晰，容易理解：

# 先加载dplyr包，如果没安装先运行install.packages("dplyr")
library(dplyr)

# 处理数据：转换日期→分组→计算差值→筛选最小差值行→去重
df_processed <- df %>%
  # 把字符串日期转换成R的日期格式（注意是日/月/年，所以format用"%d/%m/%Y"）
  mutate(
    Date1 = as.Date(Date1, format = "%d/%m/%Y"),
    Date2 = as.Date(Date2, format = "%d/%m/%Y")
  ) %>%
  # 按ID分组，后续操作都在每个ID组内进行
  group_by(ID) %>%
  # 计算Date2与Date1的绝对日期差（避免正负影响）
  mutate(date_diff = abs(Date2 - Date1)) %>%
  # 筛选出每个组中日期差最小的行
  filter(date_diff == min(date_diff)) %>%
  # 如果同一ID有多个行日期差相同，只保留第一行
  slice_head(n = 1) %>%
  # 去掉临时计算的date_diff列
  select(-date_diff) %>%
  # 取消分组，回到普通数据框
  ungroup()

# 查看结果
print(df_processed)

方法二：用Base R（无需额外加载包） #

如果你不想加载第三方包，用Base R也能实现：

# 第一步：转换日期格式
df$Date1 <- as.Date(df$Date1, format = "%d/%m/%Y")
df$Date2 <- as.Date(df$Date2, format = "%d/%m/%Y")

# 第二步：计算每个行的绝对日期差
df$date_diff <- abs(df$Date2 - df$Date1)

# 第三步：找出每个ID组中日期差最小的行的索引
min_diff_idx <- ave(df$date_diff, df$ID, FUN = function(x) x == min(x)) == 1

# 第四步：筛选出这些行，并且每个ID只保留第一行
df_processed <- df[min_diff_idx, ]
df_processed <- df_processed[!duplicated(df_processed$ID), ]

# 第五步：去掉临时的date_diff列
df_processed$date_diff <- NULL

# 查看结果
print(df_processed)

验证结果 #

运行后你会看到：

• ID=5的行，Date2是2014-07-22，和Date1完全相同，是最接近的；
• ID=14的行，Date2是2015-05-14，和Date12016-11-08的日期差最小。

内容的提问来源于stack exchange，提问作者Lili