使用dplyr保留重复行并将指定列重复值置空的实现方法

核心逻辑 #

按前3列分组后，仅保留每组第一行的前3列原值，分组内其余行的前3列统一置为空值，第4列全程保留原值不做修改。

完整代码 #

首先加载依赖包：

library(dplyr)

先构造你给出的示例数据集方便测试：

df <- tibble(
  Col1 = c(101, 101, 303, 404),
  Col2 = c("Dog", "Dog", "Cat", "Dog"),
  Col3 = c("Sep", "Sep", "Oct", "Sep"),
  Col4 = c("Grooming", "Birthday", "Birthday", "Grooming")
)

执行数据转换：

df_result <- df %>%
  # 按前3列分组识别重复行
  group_by(Col1, Col2, Col3) %>%
  # 前3列仅保留组内第一行的值，其余行置空
  mutate(across(1:3, ~ifelse(row_number() == 1, as.character(.), ""))) %>%
  # 取消分组避免后续操作受影响
  ungroup()

说明 #

• 代码中across(1:3)对应前3列，不需要手动写列名，列结构变化时只需修改索引范围即可
• 用as.character()转换是为了统一列类型（空字符串为字符型），如果你可以接受NA值作为空值，可以去掉转换，直接写~ifelse(row_number() == 1, ., NA)即可
• 输出结果和你给出的预期格式完全一致

内容的提问来源于stack exchange，提问作者user35131