基于其他变量将数据框中重复值替换为NA的实现方法

要实现基于指定列分组后，把目标列重复值替换为NA的需求，这里提供两种实用的R语言解决方案，先看你的示例数据和期望结果：

示例数据框 #

df1 <- data.frame(
  x1 = c(1,1,1,2,2,2,2),
  x2 = c("a","a","b","b","c","c","c"),
  x3 = c("apple","apple","mango","mango","apple","mango","mango"),
  x4 = c(10,10,10,10,10,30,30)
)

期望输出 #

df2 <- data.frame(
  x1 = c(1,1,1,2,2,2,2), 
  x2 = c("a","a","b","b","c","c","c"),
  x3 = c("apple","apple","mango","mango","apple","mango","mango"),
  x4 = c(10,NA,10,10,10,30,NA)
)

方法1：用dplyr包（语法直观，推荐） #

dplyr是处理数据框的常用工具，语法清晰易读：

# 如果没装过dplyr先安装
install.packages("dplyr")
library(dplyr)

# 分组处理
df_processed <- df1 %>%
  group_by(x1, x2, x3) %>%  # 按x1、x2、x3分组
  mutate(x4 = ifelse(duplicated(x4), NA, x4)) %>%  # 每组内重复的x4替换为NA
  ungroup()  # 取消分组状态

运行后df_processed就和你要的df2完全一致，可以用all.equal(df_processed, df2)验证。

方法2：用base R（无需额外安装包） #

如果不想加载第三方包，用base R的ave函数也能实现：

df_processed_base <- df1
df_processed_base$x4 <- with(df_processed_base,
                             ave(x4, x1, x2, x3,
                                 FUN = function(x) ifelse(duplicated(x), NA, x)))

原理说明 #

两种方法核心都是用duplicated()函数：它会在每组内标记出重复出现的元素（第一次出现的元素不会被标记），再通过ifelse把这些标记为TRUE的元素替换成NA，从而保留每组内目标列的第一个值，后续重复值转为NA。

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