R语言：如何按Year分组批量获取多列最大值及对应Date

我有一个名为Ak_total的DataFrame，包含3819个对象、93个变量。需求：按Ak_total$Year分组，对第6至93列的每一列，不仅计算每年的最大值，还要获取该最大值对应的Ak_total$Date（日期）。示例输出格式如下：

Year Date BetulaMAX
1998 1998-05-26 42
1999 1999-06-07 32
...
Year Date GrassMax
1998 1998-08-27 260
1999 1999-08-19 215
...

我已实现单列（Betula）的处理代码：

max_all <- function(x) if(length(x))x==max(x)
Ak_max_date_Betula <- subset(Ak_total,!!ave(Betula, Year, FUN=max_all))

但该代码仅能处理单列，请问是否可以一次性处理所有目标列？

当然可以一次性处理所有目标列！这里提供两种实用的方法，分别基于tidyverse工具和Base R，你可以根据自己的习惯选择：

方法一：用tidyverse工具（dplyr + tidyr）批量处理 #

这种方法逻辑清晰，代码可读性强，适合结构化的数据操作：

1. 先加载必要的包：

library(dplyr)
library(tidyr)

2. 执行批量处理：

# 确定需要处理的目标列（第6到93列）
target_cols <- names(Ak_total)[6:93]

# 核心处理流程：转长格式→分组筛选最大值→转宽格式（可选）
Ak_max_all <- Ak_total %>%
  # 只保留需要的列：Year、Date和目标列
  select(Year, Date, all_of(target_cols)) %>%
  # 把宽格式转成长格式，方便按年份和变量分组处理
  pivot_longer(cols = all_of(target_cols), names_to = "Variable", values_to = "Value") %>%
  # 按年份和变量分组，筛选出每组中值等于最大值的行
  group_by(Year, Variable) %>%
  filter(Value == max(Value, na.rm = TRUE)) %>%
  ungroup() %>%
  # 转回宽格式，每个变量的最大值作为单独一列（列名带MAX后缀）
  pivot_wider(names_from = Variable, values_from = Value, names_glue = "{Variable}MAX")

如果想要像示例那样每个变量单独输出一个表格，可以在处理后拆分结果：

# 把宽格式转回长格式，再按变量拆分
max_list <- Ak_max_all %>%
  pivot_longer(cols = ends_with("MAX"), names_to = "Variable", values_to = "Value") %>%
  group_split(Variable)

# 查看第一个变量的结果，比如BetulaMAX
print(max_list[[1]])

方法二：用Base R批量处理 #

如果你不想加载额外的包，用Base R的lapply循环也能实现：

# 定义一个处理单列的函数，输入列名，输出该列的年度最大值及对应日期
get_max_with_date <- function(col_name) {
  # 按Year分组筛选最大值对应的行
  subset(Ak_total, !!ave(Ak_total[[col_name]], Ak_total$Year, FUN = function(x) x == max(x, na.rm = TRUE))) %>%
    # 只保留需要的列，并给目标列加上MAX后缀
    select(Year, Date, all_of(col_name)) %>%
    rename(!!paste0(col_name, "MAX") := all_of(col_name))
}

# 获取目标列名
target_cols <- names(Ak_total)[6:93]

# 循环处理所有目标列，得到一个包含每个变量结果的列表
max_results <- lapply(target_cols, get_max_with_date)

# 如果你想把所有结果合并成一个大表格
combined_result <- Reduce(function(x, y) merge(x, y, by = c("Year", "Date"), all = TRUE), max_results)

# 要是想逐个输出每个变量的结果，直接遍历列表就行
for (res in max_results) {
  print(res)
}

小提示 #

• 如果数据里有缺失值，一定要在max()函数里加上na.rm = TRUE，不然会得到错误的结果。
• 如果某一年中某列有多个相同的最大值，上述代码会保留所有对应的日期行。要是你只需要第一个出现的日期，可以把x == max(x)改成x == x[which.max(x)]来调整。

内容的提问来源于stack exchange，提问作者Ewa