如何遍历含重复分组的DataFrame，提取每组最大值对应的行信息

• 遍历维度错配：1:length(df) 获取的是数据框的列总数，循环索引指向的是列而非行，完全没有覆盖到「按newid维度分组」的逻辑
• 最大值计算失效：max(i, na.rm = F) 是对循环序号i本身求最大值，没有读取sbpval列的实际观测值，计算结果和业务需求毫无关联
• 结果拼接逻辑错位：逐列通过cbind拼结果的思路，和“提取符合条件的完整观测行”的目标完全不匹配，最终输出杂乱是必然结果

基础R原生方案（无需安装/加载额外包） #

通过分组标记最大值位置，直接筛选对应行：

# 按newid分组，标记每组内sbpval等于组内最大值的行
df$is_max <- with(
  df,
  ave(sbpval, newid, FUN = function(x) x == max(x, na.rm = TRUE))
)
# 筛选标记为真的行，移除临时标记列得到最终结果
result <- subset(df, is_max == 1, select = -is_max)

这里必须给max()加na.rm = TRUE参数，否则碰到组内存在NA值的情况（比如示例里第一组的NA），会直接导致组内最大值计算失效，无法正确筛选。

dplyr简洁方案（可读性最高） #

library(dplyr)
result <- df %>%
  group_by(newid) %>%
  # 每组取sbpval最大的1行，自动忽略NA、避免并列重复返回
  slice_max(sbpval, n = 1, with_ties = FALSE) %>%
  ungroup()

• 内置自动处理NA、整行返回的逻辑，不需要手动写判断条件
• 输出结构和原数据框完全一致，不会出现格式错乱的问题

data.table高效方案（适配大数据量场景） #

library(data.table)
setDT(df)
# 按newid分组，定位组内sbpval最大的行并返回完整信息
result <- df[, .SD[which.max(sbpval)], by = newid]

• which.max会自动跳过NA值定位最大值所在的行索引，计算速度远高于循环写法，适合几十万行以上的大样本数据

以上方案跑示例数据的输出，和你期望的效果完全一致：

newid sex visitnum sbpval
1 13580   M        3    124
2 21525   F        2    410

内容的提问来源于stack exchange，提问作者Leilani Konrad