R语言按id、name分组移除class为0行筛选数据子集的方法

需求规则 #

• 针对data.frame类型数据集，以id、name两个字段为分组维度
• 若某分组内存在多条记录，移除该分组内class字段取值为0的行
• 若某分组仅1条记录，无论class取何值都完整保留
• 方案需适配数千条及以上规模数据，保证处理效率

测试数据 #

Data <- data.frame(id = c(1,1,2,2,3,4,5),
                   name = c("asd","asd","pqr","pqr","fgh","yut","kju"),
                   date = c("02/03/2022","10/05/2022","23/01/2022","15/04/2022","19/05/2022","14/02/2022","10/06/2022"),
                   class = c(0,1,0,1,0,0,1)) 

实现方案 #

方案1：data.table实现（性能最优，推荐大数据量场景使用） #

data.table的分组处理性能极高，万级以内数据基本毫秒级完成，适合数据量较大的场景：

library(data.table)
# 转换为data.table对象（直接修改原对象，无额外拷贝）
setDT(Data)
# 按规则过滤
result <- Data[, if(.N > 1) .SD[class != 0] else .SD, by = .(id, name)]
# 如需转回普通data.frame格式，执行下一句即可
# setDF(result)

代码逻辑说明：

• .N为data.table分组语法，代表当前分组的总行数
• 分组行数大于1时，返回组内class不等于0的行；分组行数为1时返回组内全部行

方案2：dplyr实现（tidyverse生态，可读性强） #

如果日常使用tidyverse系列工具较多，可直接使用dplyr的分组过滤逻辑，性能完全满足数千条数据的处理需求：

library(dplyr)
result <- Data %>%
  group_by(id, name) %>%
  filter(if(n() > 1) class != 0 else TRUE) %>%
  ungroup()

处理结果验证 #

两种方案返回的结果完全一致，符合预期：

补充说明：如果同id+name的分组内存在多条class非0的记录，上述代码会全部保留；如果需要每个分组仅保留1条非0记录，可在过滤逻辑后增加切片/去重步骤。

内容的提问来源于stack exchange，提问作者joy_1379