如何基于数据收集日期保留DataFrame中每个ID的最早记录？

前提准备 #

首先需要将date列转换为日期格式，否则无法正确比较日期先后：

df$date <- as.Date(df$date)

方法一：Base R 实现 #

通过排序+去重的方式，保留每个ID的第一条最早记录：

# 按ID升序、日期升序排序数据框
df_sorted <- df[order(df$ID_number, df$date), ]
# 移除重复的ID，仅保留每个ID的第一条（即最早日期）记录
result_base <- df_sorted[!duplicated(df_sorted$ID_number), ]

方法二：dplyr 包实现（更直观） #

借助dplyr的分组筛选功能，直接提取每个ID的最小日期对应记录：

library(dplyr)

result_dplyr <- df %>%
  mutate(date = as.Date(date)) %>%  # 转换日期格式
  group_by(ID_number) %>%           # 按ID分组
  filter(date == min(date)) %>%     # 筛选每组中日期最早的行
  ungroup()                         # 取消分组

注：如果同一ID存在多条日期完全相同的最早记录，dplyr方法会保留所有符合条件的行；Base R方法则仅保留排序后的第一条，可根据实际需求选择。

内容的提问来源于stack exchange，提问作者An116