R语言如何按指定规则删除非完全重复行（基于人员、日期和工时范围）

实现逻辑 #

• 首先统计每个员工下各工时班次（start_hour与end_hour组合）的总出现次数
• 按「员工ID+日期」分组判断，单日期仅1条记录直接保留
• 单日期多条记录时，优先删除所属班次出现次数≥2的行，保留班次出现次数<2的行
• 若筛选后单日期仍有多条记录（所有对应班次出现次数均<2），随机保留1条即可

实现代码 #

首先加载依赖包：

library(dplyr)

数据清洗代码：

resp_clean <- resp %>%
  # 统计每个员工下每个工时班次的出现次数
  group_by(person_number, start_hour, end_hour) %>%
  mutate(shift_count = n()) %>%
  ungroup() %>%
  # 按员工+日期分组处理重复记录
  group_by(person_number, date) %>%
  filter(
    n() == 1 | shift_count < 2
  ) %>%
  # 剩余仍重复的记录随机保留1条
  slice_sample(n = 1) %>%
  ungroup() %>%
  # 删除辅助计算的统计列
  select(-shift_count)

效果验证 #

以示例中person_number为957505的记录为例：

• date=3对应两个工时范围9-21、15-21，其中9-21在该员工所有记录中出现4次≥2，会被过滤，仅保留15-21的行
• 若某日期下所有对应班次出现次数均<2，slice_sample会随机保留1条，符合需求

内容的提问来源于stack exchange，提问作者psysky