如何从大型DataFrame中提取最新日期的所有行？

首先你原代码失效的核心原因是R语言大小写敏感：你的DataFrame列名是Type，但代码里写的是group_by(type)，导致分组逻辑完全失效，自然得不到正确结果。另外，针对400万行的大数据集，反复在filter里转换日期类型会严重拖慢速度，下面分两种需求给出高效解决方案：

需求1：提取整个数据集里最新日期的所有行 #

如果要的是全局最新日期对应的所有记录（不区分Type），最高效的做法是先一次性转换日期列，再计算全局最大日期后过滤：

base R写法（内存友好、速度快） #

# 一次性转换Date列为日期类型，避免重复计算
df$Date <- as.Date(df$Date)
# 计算全局最新日期（忽略NA值）
latest_date <- max(df$Date, na.rm = TRUE)
# 过滤出目标行
latest_rows <- df[df$Date == latest_date, ]

dplyr写法（代码简洁） #

library(dplyr)

latest_rows <- df %>%
  mutate(Date = as.Date(Date)) %>% # 提前统一转换日期
  filter(Date == max(Date, na.rm = TRUE))

需求2：提取每个Type对应的最新日期的行 #

如果你原本的意图是按Type分组，取每个类别下的最新日期记录，修正列名大小写后的代码如下：

dplyr写法 #

library(dplyr)

latest_per_type <- df %>%
  mutate(Date = as.Date(Date)) %>%
  group_by(Type) %>% # 列名和数据集保持一致，用大写Type
  filter(Date == max(Date, na.rm = TRUE)) %>%
  ungroup() # 取消分组，避免后续操作出现异常

超大型数据集的性能优化 #

如果400万行的处理速度仍达不到预期，推荐使用data.table包——它在处理百万级数据时的内存效率和运行速度远高于dplyr：

data.table写法 #

library(data.table)

# 将DataFrame转换为data.table格式
setDT(df)
# 一次性转换日期列
df[, Date := as.Date(Date)]

# 需求1：全局最新日期的行
latest_rows <- df[Date == max(Date, na.rm = TRUE)]

# 需求2：每个Type的最新日期行
latest_per_type <- df[, .SD[Date == max(Date, na.rm = TRUE)], by = Type]

内容的提问来源于stack exchange，提问作者alec22