R语言按ID分组选取最早日期行并保留所有列的实现方法

针对「按ID分组取最早日期行且保留所有列」的需求，有几种常用实现方式，适配你已经在用的dplyr语法：

方法1：分组排序后取每组首行 #

最稳妥的通用写法，优先保证同ID下日期按升序排列后再取第一行：

library(dplyr)
dfunique <- df %>%
  # 同ID内按日期升序排列，最早日期自动排在组内最前
  arrange(ID, date) %>%
  group_by(ID) %>%
  # 取每组1行，自动保留所有原始列
  slice_head(n = 1) %>%
  ungroup()

• 注意：分组操作完成后一定要加ungroup()，否则后续对数据的操作会默认按分组状态执行，容易出现异常结果。
  如果同ID下存在多条相同的最早日期，该方法默认保留排序后的第一条；如果需要保留所有同最早日期的行，可改用filter(date == min(date))替换slice_head步骤。

方法2：排序后直接用distinct #

你之前尝试过的distinct方法只要补上前置排序步骤就能符合要求：

dfunique2 <- df %>%
  # 先按ID、日期升序排，避免distinct取到非最早的行
  arrange(ID, date) %>%
  distinct(ID, .keep_all = TRUE)

方法3：直接筛选组内最小日期行 #

不需要提前排序，直接筛选符合条件的行：

dfunique3 <- df %>%
  group_by(ID) %>%
  # 保留同ID下日期等于最小日期的所有行
  filter(date == min(date)) %>%
  ungroup()

Base R 无包依赖实现 #

如果不想加载dplyr，可以用原生语法实现：

dfunique_base <- df[df$date == ave(df$date, df$ID, FUN = min), ]

之前尝试的问题说明 #

• 用summarise的问题：summarise默认只返回分组列和显式指定的聚合列，不会自动保留其他原始列，不适合用来做行筛选操作
• 用distinct的问题：它是按数据原始行的出现顺序去重，不会自动按日期排序，补个前置arrange就能解决
  最终运行上述代码得到的结果完全匹配你给出的目标数据框结构。

内容的提问来源于stack exchange，提问作者Troels