R语言使用group by结合条件语句实现数据集去重聚合的问题
R语言多字段重复数据聚合筛选方案
原有代码问题定位
你之前的代码仅对BusinessName单个字段分组,不符合「BusinessName、Address、City、State四个字段值全部重复才判定为重复项」的规则,这是分组统计结果和n_distinct(data$BusinessName)数值不匹配的核心原因。
完整实现代码
library(dplyr) processed_data <- data_group %>% # 按照要求的4个字段分组识别重复项 group_by(BusinessName, Address, City, State) %>% # 剔除组内Employee为0的行 filter(Employee != 0) %>% # 保留组内Employee值最高的所有行 filter(Employee == max(Employee, na.rm = TRUE)) %>% # 剔除组内Sales为0的行 filter(Sales != 0) %>% # 保留组内Sales值最高的所有行 filter(Sales == max(Sales, na.rm = TRUE)) %>% # 极端场景兼容:同组剩余数据Employee、Sales均相同,仅保留1行 slice_head(n = 1) %>% ungroup()
逻辑说明
上述代码完全匹配你提出的筛选规则:
- 四个字段完全一致的数据才会被归为同一重复组处理
- 优先按Employee字段筛选:先删0值,再留最大值,同组Employee全为0时会被整体剔除
- 同组Employee值全部相同时自动进入Sales字段筛选逻辑:先删0值,再留最大值
- 最后兼容极端重复场景,避免最终结果仍有重复行
内容的提问来源于stack exchange,提问作者Deeba Yavrom
相关产品推荐
相关产品推荐

