You need to enable JavaScript to run this app. 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
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.08 05:54:03