如何在R中基于2022年的ID筛选并移除对应所有行？

原始数据集 #

生成代码 #

df <- data.frame(ID = c(11, 12, 11, 12, 13, 11, 13, 14, 12, 14, 15),
       year = c(2022, 2022, 2021, 2021, 2021, 2020, 2020, 2020, 2019, 2019, 2019),
       name = c("Jay", "Rahul", "Jay", "Rahul", "Pierre", "Jay", "Pierre",
                "Shannon", "Rahul", "Shannon", "Zachary"))

数据表格 #

需求说明 #

移除所有在2022年出现过的ID对应的全部行，数据集规模较大（约9000行、70个年份），需使用tidyverse、dplyr包高效实现。

解决方案 #

提供两种高效实现方式，均基于tidyverse生态：

方法1：分组后过滤（单管道操作） #

利用group_by按ID分组，通过any(year == 2022)判断该ID是否存在2022年记录，反向保留无2022年记录的ID的所有行：

library(tidyverse)

result_df <- df %>%
  group_by(ID) %>%
  filter(!any(year == 2022)) %>%
  ungroup()

方法2：先提取排除ID列表再过滤 #

先提取2022年出现的所有唯一ID，再过滤掉这些ID的所有行，适合需要单独查看排除ID的场景：

library(tidyverse)

# 获取2022年出现的所有唯一ID
exclude_ids <- df %>%
  filter(year == 2022) %>%
  pull(ID) %>%
  unique()

# 过滤掉排除ID的所有行
result_df <- df %>%
  filter(!ID %in% exclude_ids)

输出结果 #

内容的提问来源于stack exchange，提问作者1shh