如何基于count变量及coder层级移除DataFrame中的重复行

你需要为每个id保留唯一记录，针对你的两种需求（基础方案、优先级方案），以下是高效可靠的实现方法，同时解释你原有循环失效的原因：

原有循环的问题 #

你的for循环每次操作都基于原始数据集查找索引，且仅将结果赋值给x2却未更新循环依赖的x，后续循环仍用原始数据的索引判断，在大数据集里会导致索引混乱，最终失效。这类分组筛选场景完全不需要循环，向量化或分组操作更高效且不易出错。

基础方案：保留每个id的第一条记录 #

方法1：Base R 实现 #

利用duplicated()标记重复行，直接筛选非重复的首条记录：

# 保留每个id的第一条记录
x_base <- x[!duplicated(x$id), ]

方法2：dplyr 实现（更直观） #

通过分组后取组内第一行：

library(dplyr)
x_base <- x %>% 
  group_by(id) %>% 
  slice(1) %>% 
  ungroup()

优先方案：按coder层级筛选（A>B>C>D>E） #

先定义coder的优先级顺序，再按id分组，每组内保留优先级最高的记录：

方法1：Base R 实现 #

# 定义coder优先级顺序
coder_order <- c("A", "B", "C", "D", "E")
# 将coder转为有序因子，确保排序符合优先级
x$coder <- factor(x$coder, levels = coder_order, ordered = TRUE)
# 按id分组，组内按coder优先级排序后取第一条
x_priority <- x[order(x$id, x$coder), ]
x_priority <- x_priority[!duplicated(x_priority$id), ]

方法2：dplyr 实现（更简洁） #

library(dplyr)
x_priority <- x %>% 
  mutate(coder = factor(coder, levels = c("A", "B", "C", "D", "E"), ordered = TRUE)) %>% 
  group_by(id) %>% 
  # 取组内coder优先级最高的第一条记录
  slice_min(order_by = coder, n = 1) %>% 
  ungroup()

内容的提问来源于stack exchange，提问作者brt