R语言基于降序优先级多条件分组筛选数据行问题求解

你之前的代码核心错误是计算min(y)时没有限定在x == "Yes"的子集范围内，直接使用了整个分组的y最小值，而你的测试数据中存在大量x为"No"的记录y值小于x为"Yes"的记录y值，导致没有符合y == min(y) & x == "Yes"的记录，sum结果为0，分组被过滤。

基于dplyr的排序取首位方案，可灵活扩展任意多层优先级条件：
首先加载依赖包：

library(dplyr)

场景1：筛选仅存在1条符合优先级规则记录的分组 #

符合你需求中「无并列、仅保留唯一匹配分组」的要求：

result <- test %>%
  group_by(type) %>%
  # 第一步：过滤x为"Yes"的记录
  filter(x == "Yes") %>%
  # 第二步：按优先级规则排序，优先级从左到右：y升序（越小越优先）、z降序（越大越优先），可自由扩展更多条件
  arrange(y, desc(z)) %>%
  # 标记优先级最高的记录
  mutate(is_top = row_number() == 1) %>%
  # 统计组内最高优先级记录数量
  mutate(top_n = sum(is_top)) %>%
  # 仅保留无并列的分组，且只保留匹配记录
  filter(top_n == 1, is_top) %>%
  ungroup() %>%
  # 可选：删除辅助列
  select(-is_top, -top_n)

场景2：为每个分组直接选出优先级最高的唯一记录 #

适合日常按优先级为单元格赋值的场景，存在并列时默认取排序后的第一条：

result <- test %>%
  group_by(type) %>%
  filter(x == "Yes") %>%
  arrange(y, desc(z)) %>%
  # 直接取每个分组排序后的第一条记录
  slice_head(n = 1) %>%
  ungroup()

• 扩展性强：新增优先级条件只需在arrange()中按顺序添加即可，比如新增a列升序、b列降序优先级，修改为arrange(y, desc(z), a, desc(b))即可
• 稳定性高：避免了直接比较浮点数相等的精度问题，比基于sum计数的写法容错性更好
• 逻辑清晰：排序顺序直接对应优先级规则，后续维护修改成本低

内容的提问来源于stack exchange，提问作者Moz