R + dplyr：如何对Tibble进行行的部分去重

在R语言中移除数据框的重复行时，dplyr包的distinct()函数是常用工具，但如果只需要对特定变量组合的重复行去重（比如仅处理x==3且z=="k"的重复行），直接传入条件的写法无法达到预期，以下是可行解决方案。

示例数据 #

先加载包并创建测试数据集：

library(dplyr)

df <- tibble(x=rep(seq(5), 3), y=rep(LETTERS[1:5],3),
             z=c(rep(c("h","j","k","t","u"), 2), LETTERS[1:5])
             )

该数据集中，x=3且z="k"的行存在2条重复，而其他如x=1且z="h"的重复行我们希望保留。

错误尝试 #

直接传入条件逻辑值的写法会生成新的逻辑列，完全偏离需求：

# 错误写法，不符合预期
df_ded_partial <- df |> distinct(x==3, z=="k")

正确解决方案 #

方法1：拆分处理后合并 #

将数据拆分为「需要去重的目标行」和「无需处理的其他行」，分别处理后再合并：

df_ded_partial <- df |>
  # 筛选目标行并去重
  filter(x == 3 & z == "k") |>
  distinct() |>
  # 合并无需处理的行
  bind_rows(df |> filter(!(x == 3 & z == "k"))) |>
  # 按x排序恢复原数据的大致顺序
  arrange(x)

处理后，x=3且z="k"的重复行仅保留1条，其他重复行全部保留。

方法2：分组保留首行 #

通过自定义分组键，让目标行归为同一组并仅保留首行，其他行各自为组保留全部内容：

df_ded_partial <- df |>
  group_by(
    # 目标行归为同一组，其他行按唯一标识分组
    ifelse(x == 3 & z == "k", "target", paste(x, y, z, sep = "_"))
  ) |>
  slice_head(n = 1) |>
  ungroup() |>
  select(-group) # 删除临时分组列

内容的提问来源于stack exchange，提问作者larry77