如何基于文本/因子列筛选去重，优先保留指定因子值的行？

需求与示例 #

我有一个包含Name列（存在重复名称）和Status列（可设为因子/字符型）的data frame。需求为：

• 对Name列去重
• 若同一Name的重复行中有Status为B的行则保留该行
• 若重复行的Status值相同，则任意保留其一

示例数据 #

Name        Status
1. John          A
2. John          B
3. Sally         A
4. Alex          A
5. Sarah         B
6. Joe           A
7. Joe           A
8. Sue           B
9. Sue           B

期望结果 #

1. John          B
2. Sally         A
3. Alex          A
4. Sarah         B
5. Joe           A
6. Sue           B

原代码问题分析 #

你尝试的代码中，错误出在排序逻辑：
你将Status的levels设为c("A", "B")后按Status排序，这会让A排在B的前面，导致!duplicated会先保留John的A行，而非目标的B行。

解决方案 #

不需要用循环，以下两种方法更高效简洁：

方法一：Base R实现 #

Name <- c("John","John","Sally","Alex", "Sarah", "Joe", "Joe", "Sue", "Sue")
Status <- c('A', 'B', 'A', 'A', 'B', 'A', 'A', 'B', 'B')
df_reddit <- data.frame(Name,Status)

# 给Status设置优先级：B的优先级高于A
df_reddit$priority <- ifelse(df_reddit$Status == "B", 2, 1)
# 按Name分组，再按优先级降序排序，最后去重保留每组第一行
df_result <- df_reddit[order(df_reddit$Name, -df_reddit$priority),]
df_result <- df_result[!duplicated(df_result$Name),]
# 移除临时的priority列
df_result <- df_result[,c("Name", "Status")]

print(df_result)

方法二：dplyr包实现（更简洁） #

library(dplyr)

df_result <- df_reddit %>%
  group_by(Name) %>%
  # 优先选择Status为B的行，若同组无B则选A；多行同状态时任意保留一行
  slice_max(order_by = Status == "B", n = 1) %>%
  ungroup()

print(df_result)

这里slice_max通过Status == "B"将B行标记为1、A行标记为0，每组取最大值对应的行，正好满足优先保留B的需求。

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