如何在R语言中筛选数据框分组的start_day最小值与end_day最大值

针对你的需求——按唯一id分组，取start_day的最小值（忽略NA）和end_day的最大值（忽略NA），以下是几种比循环更简洁高效的实现方式：

1. Base R 原生实现（无需额外包） #

用tapply或aggregate完成分组聚合，适合不想加载第三方包的场景：

# 方式1：用tapply分字段处理
result_base <- data.frame(
  id = unique(df$id),
  start_day = tapply(df$start_day, df$id, function(x) min(x, na.rm = TRUE)),
  end_day = tapply(df$end_day, df$id, function(x) max(x, na.rm = TRUE))
)
# 修正全NA组返回的Inf/-Inf为NA
result_base$start_day[is.infinite(result_base$start_day)] <- NA
result_base$end_day[is.infinite(result_base$end_day)] <- NA

# 方式2：用aggregate一次性处理
result_base2 <- aggregate(cbind(start_day, end_day) ~ id, data = df, 
                          FUN = function(x) {
                            val <- if(all(is.na(x))) NA else if(deparse(substitute(x)) == "start_day") min(x, na.rm = TRUE) else max(x, na.rm = TRUE)
                            val
                          })

2. dplyr（tidyverse 生态，可读性强） #

借助tidyverse系列的dplyr包，语法更直观，适合构建数据处理流水线：

library(dplyr)

result_dplyr <- df %>%
  group_by(id) %>%
  summarise(
    start_day = min(start_day, na.rm = TRUE),
    end_day = max(end_day, na.rm = TRUE),
    .groups = "drop"  # 取消分组状态
  ) %>%
  # 处理全NA组的异常值
  mutate(
    start_day = case_when(is.infinite(start_day) ~ NA, TRUE ~ start_day),
    end_day = case_when(is.infinite(end_day) ~ NA, TRUE ~ end_day)
  )

3. data.table（高性能，适合大数据场景） #

如果你的数据量很大，data.table的运算速度远优于前两者，语法也极为简洁：

library(data.table)

# 转换为data.table对象
setDT(df)
result_dt <- df[, .(
  start_day = min(start_day, na.rm = TRUE),
  end_day = max(end_day, na.rm = TRUE)
), by = id]

# 修正全NA组的异常值
result_dt[is.infinite(start_day), start_day := NA]
result_dt[is.infinite(end_day), end_day := NA]

这三种方法都避免了循环的低效性，其中：

• Base R无需依赖第三方包，适合轻量场景；
• dplyr语法清晰，便于维护复杂的数据处理流程；
• data.table在百万级以上数据量时优势明显。

内容的提问来源于stack exchange，提问作者Joe the Second