多条件去重：如何保留每个个体最新g_date对应的所有行

部分个体因获取多个学位在数据中重复出现，需仅保留每个个体**最新学位授予日期（g_date）**对应的所有行。现有代码仅能保留每个个体的一行数据，无法满足需求。

当前输出样例 #

people | g_date   | wage|quarter 
personA|2009-01-01|100  |20201
personA|2009-01-01|100  |20202
personA|2010-01-01|100  |20201
personA|2010-01-01|100  |20202
personB|2012-01-01|50   |20201
personB|2012-01-01|50   |20202
personB|2012-01-01|50   |20203

期望输出样例 #

people | g_date   | wage|quarter 
personA|2010-01-01|100  |20201
personA|2010-01-01|100  |20202
personB|2012-01-01|50   |20201
personB|2012-01-01|50   |20202
personB|2012-01-01|50   |20203

现有代码问题 #

你当前使用的代码通过duplicated()仅保留每个个体的最后一行，无法保留最新g_date对应的所有记录：

df<-df[order(df$g_date),]
df<-df[!duplicated(df$people, fromLast = TRUE),]

解决方案 #

方法1：Base R实现 #

先计算每个个体的最新学位日期，再匹配筛选出对应所有行：

# 确保g_date为日期格式（若原始数据不是的话）
df$g_date <- as.Date(df$g_date)

# 计算每个个体的最新学位授予日期
latest_dates <- aggregate(g_date ~ people, data = df, max)

# 筛选出符合条件的所有行
df_filtered <- merge(df, latest_dates, by = c("people", "g_date"))

方法2：dplyr包实现（更简洁） #

使用dplyr的分组筛选功能，一步完成：

library(dplyr)

df_filtered <- df %>%
  mutate(g_date = as.Date(g_date)) %>%
  group_by(people) %>%
  filter(g_date == max(g_date)) %>%
  ungroup()

两种方法都能保留每个个体最新g_date对应的所有行，比如personA的2010-01-01两条记录会全部保留，personB因只有一个学位日期，所有记录都会保留。

内容的提问来源于stack exchange，提问作者Connor Hill