R语言数据集条件去重：保留分组内非NA及最大值行

针对你的需求——去除col2中的NA值，同时为每个col1（序列号）保留col2（日期）最大的行，以下是准确的处理方法，同时解释你之前代码出现问题的原因：

问题分析 #

你使用top_n(1, col2)出现误删非重复行的情况，核心原因是未先过滤NA值：当某个col1组内只有一行且col2为NA时，max(col2)会返回NA，top_n无法匹配到有效行，导致该行被误删；另外，旧版本dplyr的top_n函数在处理NA和分组逻辑时存在歧义，容易出现不符合预期的筛选结果。

正确代码实现 #

方法1：先过滤NA，再分组筛选最大值行 #

library(dplyr)

df <- df %>%
  # 第一步：过滤掉col2为NA的行，彻底排除NA的干扰
  filter(!is.na(col2)) %>%
  # 按序列号分组
  group_by(col1) %>%
  # 筛选每个组中col2等于最大值的行（即最新日期）
  filter(col2 == max(col2)) %>%
  # 取消分组，恢复普通数据框结构
  ungroup()

方法2：使用更直观的slice_max函数（推荐） #

slice_max是dplyr较新版本推出的函数，逻辑更清晰，专门用于提取分组内的最大行：

library(dplyr)

df <- df %>%
  filter(!is.na(col2)) %>%
  group_by(col1) %>%
  # 每个组取1行，按col2降序（即取最大的日期）
  slice_max(n = 1, order_by = col2) %>%
  ungroup()

验证示例数据 #

用你的示例数据测试：
原数据：

col1 col2
a    NA
a    1
b    1
c    1
d    1
d    2

经过上述代码处理后，会得到：

col1 col2
a    1
b    1
c    1
d    2

（注：你示例中的期望结果d对应1，这和“保留最大日期”的需求矛盾，推测是笔误，实际按逻辑会保留d对应的2）

内容的提问来源于stack exchange，提问作者Dre Day