如何在R数据框中筛选时间更早的重复行？

架构老林

2026-8-6

高效筛选重复行并保留日期更早记录的Base R无循环方案

需求：从数据框中按var1列识别重复行，对每个重复的var1组，保留EndDate时间更早的行；非重复的var1行也全部保留。原实现用了for循环，现寻求更高效的Base R无循环方案。

原始数据

data <- structure(list(var1 = c("11", "11", 
                                "12", "12", "13", "13", 
                                "14", "14", "15", "16"
), EndDate = structure(c(1588792540, 1588942766, 1589118458, 
                         1589059900, 1588669654, 1588979219, 1588876217, 1588786020, 1588506698, 
                         1588512011), class = c("POSIXct", "POSIXt"), tzone = "UTC")), row.names = c(NA, 
                                                                                                     10L), class = "data.frame")

方案1：用`ave()`实现（最简洁）

# 按var1分组，筛选每组中EndDate最早的行
newdf <- data[ave(as.numeric(data$EndDate), data$var1, FUN = function(x) x == min(x)) == 1, ]

逻辑说明：

ave()是Base R的分组计算函数，按var1对EndDate（转成数值型方便比较）分组处理
每组内判断当前行的EndDate是否等于该组的最小值（即最早日期），生成逻辑向量
用这个向量筛选数据框，自动保留非重复组的唯一行，以及重复组中日期最早的行

方案2：用`split()`+`lapply()`实现（逻辑更直观）

# 拆分数据组→每组取日期最早行→合并结果
newdf2 <- do.call(rbind, lapply(split(data, data$var1), function(df) {
  df[which.min(df$EndDate), ]
}))
# 重置行名（可选，避免分组后行名带组标识）
rownames(newdf2) <- NULL

逻辑说明：