R语言dplyr分组时保留含NA值组的优雅实现方法

针对你的需求，这里提供两种无需修改原始数据的优雅解决方案，完全符合tidyverse的编码风格：

方法1：分情况筛选（灵活控制保留行数） #

通过在filter()中区分组内是否存在非NA值，分别处理：

• 组内有非NA值时，筛选出testVar等于组内最大值（忽略NA）的行
• 组内全为NA值时，可选择保留所有行或仅保留一行

library(dplyr)

# 构造测试数据集
dsn <- data.frame(id = rep(1:2, each = 4), TT = rep(c(1,2,2,3),  2), testVar = 1:8)
dsn$testVar[1:4] <- NA

# 执行筛选
dsn_clean <- dsn %>%
  group_by(id, TT) %>%
  filter(
    # 组内存在非NA时，保留最大值行
    (!all(is.na(testVar)) & testVar == max(testVar, na.rm = TRUE)) |
    # 组内全为NA时，保留该行（若要仅保留一行，改为 all(is.na(testVar)) & row_number() == 1）
    all(is.na(testVar))
  ) %>%
  ungroup()

# 查看结果
dsn_clean

方法2：使用slice结合逻辑判断（简洁高效） #

利用slice()直接定位目标行，逻辑更清晰，适合仅需保留每组一行的场景：

• 组内全为NA时，保留组内第一行
• 否则保留testVar最大的行（若有多个并列最大值，which.max()会返回第一个出现的位置）

dsn_clean2 <- dsn %>%
  group_by(id, TT) %>%
  slice(if (all(is.na(testVar))) 1 else which.max(testVar)) %>%
  ungroup()

# 查看结果
dsn_clean2

方案优势 #

相比你之前的NA替换法，这两种方案：

• 无需修改原始数据，避免了值替换可能带来的潜在风险（比如数据中原本存在-99999的情况）
• 逻辑清晰，符合tidy数据处理的最佳实践
• 性能更优，尤其适合大型数据集（减少了数据修改的额外开销）

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