R语言按ID、sample type分组保留最大Aliquot Number行方法

需求为：按ID、sample type两个字段分组，每组仅保留Aliquot Number值最大的1行记录，以下提供三种可直接运行的实现方式，运行逻辑完全匹配筛选规则。

方法1：dplyr 实现（语法易读，适合常规数据处理场景） #

这是目前最常用的tidyverse数据处理写法，代码可读性强：

# 加载dplyr包，若未安装先运行 install.packages("dplyr")
library(dplyr)

# 原始数据存储为df，运行以下代码得到结果
result <- df %>%
  group_by(ID, `sample type`) %>% # 按两个维度分组，列名带空格需用反引号包裹
  filter(`Aliquot Number` == max(`Aliquot Number`)) %>% # 筛选组内序号最大的行
  ungroup() # 取消分组，避免后续操作受分组属性影响

注：如果同组内存在多个相同最大序号的行，代码会全部保留；若确认每组最大值唯一，输出结果行数和结构将完全匹配需求。

方法2：data.table 实现（性能优异，适合大数据量场景） #

如果数据集行数在百万级以上，优先选这个方法，运行速度远高于dplyr：

# 加载data.table包，若未安装先运行 install.packages("data.table")
library(data.table)

# 将数据框转换为data.table格式
setDT(df)

# 分组筛选最大值对应行
result <- df[, .SD[`Aliquot Number` == max(`Aliquot Number`)], by = .(ID, `sample type`)]

方法3：base R 实现（无需安装第三方包） #

不想装额外包的话可以用R原生函数实现，逻辑简单直接：

# 生成匹配组内最大值的逻辑索引
match_max <- ave(df$`Aliquot Number`, df$ID, df$`sample type`, FUN = max) == df$`Aliquot Number`

# 提取符合条件的行得到结果
result <- df[match_max, ]

结果校验 #

运行以下代码可以校验输出结果和目标数据集是否一致（分组操作可能改变行顺序，排序后对比更准确）：

# 假设目标数据集存储为target_df
all_equal(
  result %>% arrange(ID, `sample type`),
  target_df %>% arrange(ID, `sample type`)
)
# 控制台返回TRUE即代表结果完全匹配

内容的提问来源于stack exchange，提问作者JBrowne13