如何按id1分组筛选measure列差值≥2的数据框行

这是个很典型的分组筛选需求，我给你两种实用的R语言实现方法，都能精准得到你想要的结果：

方法一：使用dplyr包（tidyverse风格） #

如果你平时习惯用tidyverse工具链，这种方法代码简洁易读，逻辑清晰：

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

# 定义你的测试数据
test <- data.frame(measure = c(1, 2, 3, 2, 2, 4, 0, 1), 
                   id1 = c("A", "B", "A", "B", "C", "C", "A", "D"), 
                   id2 = c("16", "16", "16", "16", "17", "17", "17", "18"))

# 执行筛选逻辑
res <- test %>%
  group_by(id1) %>%  # 按id1分组
  filter(max(measure) - min(measure) >= 2) %>%  # 筛选出组内measure最大最小值差≥2的组
  ungroup()  # 取消分组（避免后续操作受分组状态影响）

# 查看结果
res

运行这段代码后，就会得到你期望的结果：id1为B和D的组因为差值不足2被移除，剩下的A、C组的所有行都被保留。

方法二：使用Base R（无需额外包） #

如果不想加载第三方包，用Base R也能轻松实现：

# 定义测试数据
test <- data.frame(measure = c(1, 2, 3, 2, 2, 4, 0, 1), 
                   id1 = c("A", "B", "A", "B", "C", "C", "A", "D"), 
                   id2 = c("16", "16", "16", "16", "17", "17", "17", "18"))

# 第一步：计算每个id1组的measure最大最小值差
group_diff <- tapply(test$measure, test$id1, function(x) max(x) - min(x))

# 第二步：筛选出差值≥2的有效id1
valid_ids <- names(group_diff[group_diff >= 2])

# 第三步：从原数据中保留id1属于有效列表的行
res_base <- test[test$id1 %in% valid_ids, ]

# 查看结果
res_base

这个方法的逻辑是先提前算出每个分组的差值，再找出符合条件的分组ID，最后过滤原数据，结果和第一种方法完全一致。

两种方法都能满足你的需求，你可以根据自己的习惯选择~

内容的提问来源于stack exchange，提问作者DR15