嗨，我来帮你搞定这个问题！首先先重现你的数据集：

library(tibble)
df_A <- tribble( 
  ~id, ~type, ~min_price, ~max_price, 
  "1", "X", 10, 40, 
  "1", "Y", 20, 50, 
  "1", NA, 15, 70, 
  "2", "X", 40, 90, 
  "2", "Y", 23, 100, 
)

你的需求是按id和type分组，筛选出每组里min_price取最小值和最大值的完整行——确实用summarise会丢掉原有列，而mutate写起来又啰嗦，其实dplyr里有更简洁的解决方案，给你两种常用方法：

方法1：用slice_min() + slice_max()（直观简洁） #

dplyr的slice_min()和slice_max()专门用来提取分组后某列极值对应的行，而且会保留所有列：

library(dplyr)

result <- df_A %>%
  # 按id和type分组
  group_by(id, type) %>%
  # 提取每组min_price最小的行
  slice_min(min_price, n = 1, na.rm = TRUE) %>%
  # 和每组min_price最大的行合并
  bind_rows(
    df_A %>%
      group_by(id, type) %>%
      slice_max(min_price, n = 1, na.rm = TRUE)
  ) %>%
  # 按id和type排序，方便查看结果
  arrange(id, type) %>%
  ungroup() # 可选：取消分组，回到普通数据框

• 注意加na.rm = TRUE是因为你的数据里有type为NA的组，避免极值计算返回NA导致筛选失败；
• 如果某组里min_price的极值有多个重复值，把n=1改成with_ties=TRUE就能保留所有重复的极值行。

方法2：用filter()直接判断（灵活通用） #

如果你更习惯用filter逻辑，也可以直接判断当前行的min_price是否等于组内的最小值或最大值：

result <- df_A %>%
  group_by(id, type) %>%
  filter(
    min_price == min(min_price, na.rm = TRUE) | 
    min_price == max(min_price, na.rm = TRUE)
  ) %>%
  ungroup()

这种方法会自动保留所有符合条件的行（包括重复极值），逻辑更直白，适合需要扩展筛选条件的场景。

两种方法都能完美保留max_price等所有原有列，你可以根据自己的习惯选择～

内容的提问来源于stack exchange，提问作者datazang