R语言dplyr分组调用tail()取组内最新记录结果异常问题

tail(., n=1)的执行逻辑是提取分组内按数据原始存储顺序排列的最后1行，本身不会自动按日期排序筛选最新记录：

• 处理df2时结果正确完全是巧合：df2里每个ticker分组的行刚好是按日期从小到大依次存储的，最后一行正好对应分组内最新日期的记录。
• 处理df时结果错误是必然：df每个Position分组内的行没有按日期升序排列，你查到的2022-07-01的记录并不在对应分组的最后一个存储位置，tail自然取到了更早日期的错误记录。比如Position=1分组的最后一行存储的是2021-12-30的记录，而2022-07-01的记录存在于分组中间位置，就被漏掉了。

不要依赖数据集原始的行顺序，显式按日期字段筛选每个分组的最大值即可，两种常用可靠写法如下：

写法1：推荐用slice_max（dplyr 1.0.0及以上版本支持） #

代码最简洁，语义最清晰，不需要提前排序：

# 处理df
df %>% 
  group_by(Position) %>%
  slice_max(order_by = Date, n = 1, with_ties = FALSE)

# 处理df2也建议换成这个写法，避免后续数据顺序变化导致结果出错
df2 %>% 
  group_by(ticker) %>%
  slice_max(order_by = date, n = 1, with_ties = FALSE)

参数说明：with_ties = FALSE表示如果分组内有多条记录同为最新日期，只返回1条；如果需要保留所有最新日期的记录，去掉这个参数即可。

写法2：兼容旧版本dplyr的写法 #

先在分组内按日期升序排序，再取最后一行：

df %>%
  group_by(Position) %>%
  arrange(Date, .by_group = TRUE) %>%
  slice_tail(n = 1)

内容的提问来源于stack exchange，提问作者Juan M