使用dplyr的lag/lead匹配多列字符内容实现数据框行筛选

实现方法 #

完全可以使用tidyverse工具链实现该需求，以下提供两种适配不同场景的实现方案：

方案1：分组取尾行（逻辑最简洁，推荐） #

你的需求本质是对col1、col2、col3三个列值完全相同的分组，保留每组的最后一行，直接用group_by+slice_tail即可实现，天然支持文本类型列的匹配，不需要额外转换：

library(tidyverse)

df_result <- df %>%
  # 按需要匹配的三个列分组
  group_by(col1, col2, col3) %>%
  # 取每组最后1行
  slice_tail(n = 1) %>%
  # 取消分组，避免后续操作受分组影响
  ungroup()

该方案适配所有连续/非连续的同值分组场景，执行效率高，逻辑清晰不容易出错。

方案2：相邻行逐行比对（严格匹配描述规则） #

如果你需要严格遵循「仅比对当前行与下一行，相同则删除当前行」的逻辑（比如存在非连续的同值分组不需要合并的场景），可以用lead函数实现多列同时匹配，文本列直接用==判断即可：

library(tidyverse)

df_result <- df %>%
  filter(
    # 仅保留「和下一行三个列不完全相同」或者「已经是最后一行」的记录
    !(col1 == lead(col1) & col2 == lead(col2) & col3 == lead(col3)) | is.na(lead(col1))
  )

以上两种方案运行后得到的结果均与给出的期望输出完全一致。

内容的提问来源于stack exchange，提问作者Patrick