R语言按分组规则删除数据框冗余SJ类型记录的实现问题

为什么你的统计结果全是0 #

你写的统计代码sum(TYPE == "RF" & TYPE == "SJ")存在底层逻辑问题：
逐行判断时，单条记录的TYPE值只能是"RF"或"SJ"其中一个，不可能同时等于两个值，因此TYPE == "RF" & TYPE == "SJ"的判断结果全为FALSE，求和后自然所有行的TYPE_COUNT都是0，完全达不到统计组内两类记录存在情况的目的。

符合业务规则的正确实现 #

业务规则核心判断逻辑是：

• 按CASE_ID、TIN、MPIN为维度分组
• 若分组内同时存在RF、SJ两类记录，就移除该分组下的SJ行
• 若分组内仅存在单类记录（只有RF、或只有SJ），则全部保留

可直接运行的代码 #

先准备示例数据：

example_df <- data.frame(
  CASE_ID = c(123,123,123),
  TIN = c("BOB","TIM","TIM"),
  MPIN = c("LONG","SHORT","SHORT"),
  TYPE = c('SJ','RF','SJ')
)

处理代码（需要依赖dplyr包，未安装可先执行install.packages("dplyr")）：

library(dplyr)
output <- example_df %>%
  # 按指定维度分组
  group_by(CASE_ID, TIN, MPIN) %>%
  # 标记当前组是否同时存在RF、SJ两类记录
  mutate(has_both_type = all(c("RF", "SJ") %in% TYPE)) %>%
  # 过滤规则：删除「组内同时有两类记录」的分组下的SJ行，其余行全部保留
  filter(!(has_both_type == TRUE & TYPE == "SJ")) %>%
  # 解除分组，恢复常规数据框结构
  ungroup()

运行后得到的结果和预期输出完全一致：

> output
  CASE_ID  TIN  MPIN TYPE
1     123  BOB  LONG   SJ
2     123  TIM SHORT   RF

简化写法 #

如果不需要保留辅助统计列，可将判断逻辑直接写入filter环节，减少冗余列：

output <- example_df %>%
  group_by(CASE_ID, TIN, MPIN) %>%
  filter(!(all(c("RF", "SJ") %in% TYPE) & TYPE == "SJ")) %>%
  ungroup()

小提示：如果后续遇到组内同TYPE重复多条的极端情况，只要规则是同时存在两类记录就剔掉所有SJ行，上述逻辑依然适用，不需要额外修改。

内容的提问来源于stack exchange，提问作者TheGoat