在R中如何提取dataframe首行及指定列值发生变化的行？

问题原因 #

你原来的代码存在两个核心问题：

1. dplyr::lag() 对数据集第一行计算会返回NA，和原值做!=比较结果仍为NA，which()会自动忽略NA对应的索引，所以你最终的结果里本来就没有包含首行。
2. 直接用!=比较如果列中存在NA值，会导致判断逻辑错误（比如两列都是NA的情况本应判定为值未变化，但NA != NA会返回NA，不会被which正常识别）。

修复方案 #

这里提供两种可选的实现方式，都能满足需求：

方案1：极简实现（推荐）

直接判断A/B/C/D四列的组合是否为第一次出现，一步得到结果：

df_new <- df[!duplicated(paste(df$A, df$B, df$C, df$D)), ]

这个方法自动保留首行，且天然处理NA值的比较问题，不需要额外依赖包。

方案2：基于原有逻辑修改

如果你希望沿用lag的判断逻辑，修改后代码如下：

library(dplyr)
# 计算所有存在列变化的行索引
change_rows <- which(
  (df$A != lag(df$A) | is.na(df$A) != is.na(lag(df$A))) |
  (df$B != lag(df$B) | is.na(df$B) != is.na(lag(df$B))) |
  (df$C != lag(df$C) | is.na(df$C) != is.na(lag(df$C))) |
  (df$D != lag(df$D) | is.na(df$D) != is.na(lag(df$D)))
)
# 合并首行和变化行，去重后提取
final_rows <- unique(c(1, change_rows))
df_new <- df[final_rows, ]

内容的提问来源于stack exchange，提问作者nchand