R中按列唯一值筛选分组计算最小值并保留全部观测

• 最初的dplyr代码丢数，是因为分组后直接调用filter()会把所有不满足筛选条件的原始行直接从结果集中剔除，而非仅在计算最小值时使用这些条件筛选行，因此所有不符合「跨阵营配对、fr_loc毗邻边界」的观测都会被删掉。
• 手写的for循环存在两个明显错误：一是循环维度写为ncol()即遍历所有列，和按user_loc分组计算的需求完全不匹配；二是循环内没有赋值操作，计算结果既没有修改原数据也没有输出，逻辑上也重复了提前筛行的错误，自然无法得到正确结果。

两种方案都可以保留全部原始观测，同时给每个user_loc匹配对应的最小边界距离：

方案1：分组内直接条件计算（代码最简洁） #

直接在mutate()中指定计算最小值的行范围，不需要提前筛选行，计算结果会自动填充到分组内所有行：

library(dplyr)

nuts2_dist_germ2 <- nuts2_dist_germ %>%
  group_by(user_loc) %>%
  mutate(
    min_border_dist = min(
      distance[country_1990_user != country_1990_fr & ew_border_fr == 1],
      na.rm = TRUE
    )
  ) %>%
  ungroup()

方案2：先计算参考表再关联（逻辑更直观，适合复杂计算场景） #

先单独筛选符合条件的行计算每个user_loc对应的最小距离，再通过左连接把结果匹配回原始表，完全不会改动原始表的行数：

library(dplyr)

# 计算每个user_loc对应的最小边界距离参考表
min_dist_lookup <- nuts2_dist_germ %>%
  filter(country_1990_user != country_1990_fr, ew_border_fr == 1) %>%
  group_by(user_loc) %>%
  summarise(min_border_dist = min(distance, na.rm = TRUE))

# 将结果匹配回原始数据
nuts2_dist_germ2 <- nuts2_dist_germ %>%
  left_join(min_dist_lookup, by = "user_loc")

注意：如果存在部分user_loc没有任何符合筛选条件的配对行，方案1中对应值会返回Inf，方案2中对应值会返回NA，可根据实际研究需求用ifelse()替换为需要的取值。

内容的提问来源于stack exchange，提问作者beaner0228