在R中按指定列去重并选取另一列值最小对应行的实现方法

1. distinct()的默认选取规则 #

dplyr的distinct()函数在遇到同个指定列对应多行时，默认保留该列唯一值第一次出现的对应行，没有内置自定义选取规则的参数，要实现按其他列取值筛选去重行的需求，需要搭配其他dplyr函数使用。

2. 实现按col1去重且取col2最小值行的方法 #

方法1：group_by() + slice_min()（推荐，dplyr 1.0.0及以上版本支持） #

这是最直观的实现方式，按分组取指定列最小值的行：

library(dplyr)

# 构造示例数据
df <- data.frame(
  col1 = c("a", "b", "a", "b", "a", "c", "a"),
  col2 = c(10, 12, 8, 14, 15, 6, 3)
)

# 执行去重筛选
result <- df %>%
  group_by(col1) %>%
  slice_min(col2, n = 1) %>%
  ungroup()

如果同个col1下存在多个col2相同最小值的行，默认会全部返回，仅需保留1行的话可以加参数with_ties = FALSE。

方法2：arrange() + distinct() 兼容旧版本 #

利用distinct()默认保留首次出现行的规则，先按col1、col2升序排序，再对col1去重，参数.keep_all = TRUE用于保留所有列数据：

result <- df %>%
  arrange(col1, col2) %>%
  distinct(col1, .keep_all = TRUE)

两种方法输出结果均符合预期：

col1 col2
1    a    3
2    b   12
3    c    6

内容的提问来源于stack exchange，提问作者Daniil Khlebnikov