按组和条件去重失效：仅保留col2为A的col1重复项最新行

问题描述 #

现有数据框df，其中col2包含A/B/C/D四类值，col3存储日期信息。需求如下：

• 仅对col2 == 'A'的行，按col1去重，保留col3中日期最新的行
• 完整保留col2为B/C/D的所有行，不对其进行去重操作

原代码存在的问题：

1. 分组逻辑错误：group_by(col1, col3)不符合按col1去重的需求
2. 过滤条件过严：filter(n() > 1 & col2 == 'A')直接筛除了所有非A的行，同时丢失了A类中无重复的行
3. 未覆盖需保留的其他行逻辑，导致最终结果仅包含A类去重后的行

正确解决方案 #

方法一：分数据集处理后合并（逻辑清晰，易理解）

library(dplyr)

# 处理A类行：按col1分组，取日期最新的行
df_a_processed <- df %>%
  filter(col2 == "A") %>%
  group_by(col1) %>%
  arrange(desc(col3)) %>% 
  # 注意：若col3是真实日期字符串，需先转为Date类型：df$col3 <- as.Date(df$col3, format="你的日期格式")
  slice_head(n = 1) %>%
  ungroup()

# 提取B/C/D类的所有行
df_others <- df %>%
  filter(col2 %in% c("B", "C", "D"))

# 合并结果并按col1排序
final_result <- bind_rows(df_a_processed, df_others) %>%
  arrange(col1)

方法二：单管道链式处理（更简洁）

library(dplyr)

final_result <- df %>%
  group_by(col1, col2) %>%
  # 对A类组仅保留最新日期行，其他组保留所有行
  filter(if (first(col2) == "A") col3 == max(col3) else TRUE) %>%
  ungroup() %>%
  arrange(col1)

测试结果 #

使用提供的测试数据结构运行上述代码，将得到预期输出：

col1 col2 col3        
<int> <chr> <chr>       
1    11 A     newer date  
2    12 B     only 1 date 
3    13 C     only 1 date 
4    14 D     only 1 date 
5    22 A     newer date  
6    22 B     older date  

注意事项 #

如果col3是真实日期（如"2024-05-01"），务必先将其转换为Date类型，否则字符串排序可能导致取错最新日期：

df$col3 <- as.Date(df$col3, format="%Y-%m-%d") # 根据实际日期格式调整

内容的提问来源于stack exchange，提问作者Dre Day