R语言dplyr包distinct按非指定列去重时保留目标列的方法

dplyr包的distinct()函数默认仅返回传入函数用于判定重复的列，你原代码中仅传入了排除column5的其余列作为去重依据，因此返回结果会自动丢弃column5。

方法1：保留所有列（默认保留重复组首行） #

添加.keep_all = TRUE参数即可，该参数会让函数在按指定列判定重复的同时，保留数据框的全部列，重复组默认保留第一行的所有字段值：

library(dplyr)
dfNew <- df %>% distinct(across(-column5), .keep_all = TRUE)

也可以省略across()，直接写排除列的规则，效果完全一致：

dfNew <- df %>% distinct(-column5, .keep_all = TRUE)

方法2：自定义重复组的保留规则 #

如果你需要指定重复组中保留的行规则（比如保留column5取值最大/最小的行），可以用分组筛选的方式实现：

# 示例：除column5外字段一致的重复组中，保留column5值最大的行
dfNew <- df %>%
  group_by(across(-column5)) %>%
  slice_max(order_by = column5, n = 1) %>%
  ungroup()

注意：如果你的column5是非标准列名（比如带空格、特殊字符），需要用反引号包裹列名，例如`用户编号`。

内容的提问来源于stack exchange，提问作者Miquel