使用R语言dplyr包删除符合特定条件的数据行

核心代码实现 #

假设你的数据框名为df，包含year、Location、Office及其他业务列，执行以下代码即可完成需求：

library(dplyr)

df_cleaned <- df %>%
  group_by(year, Location) %>%
  mutate(office_unique_count = n_distinct(Office)) %>%
  filter(office_unique_count == 1) %>%
  select(-office_unique_count) %>%
  ungroup()

代码逻辑说明 #

• group_by(year, Location)：按年份+Location维度分组，确保我们在指定范围内判断Office的唯一性
• mutate(office_unique_count = n_distinct(Office))：计算每组内不重复的Office数量，生成临时列用于筛选
• filter(office_unique_count == 1)：仅保留组内Office唯一的记录，自动剔除所有组内存在多个不同Office的行
• select(-office_unique_count)：（可选）删除临时生成的计数列，还原原数据结构
• ungroup()：取消分组状态，避免后续数据操作受分组约束

效果验证 #

针对你提到的示例场景：

• 第1年Location为XYZ的组因包含B22、B23两个Office，整组被删除
• 第2年所有组的Office均唯一，全部保留
• 第3年Location为ABC的组因包含L17、L18两个Office，整组被删除

该方法针对10万行级别的数据性能表现稳定，dplyr的分组计算经过优化，不会出现明显卡顿。

内容的提问来源于stack exchange，提问作者jerH