R语言中如何基于分类列与日期列筛选各客户对应分类的最新记录

你之前写的筛选代码存在核心逻辑问题：filter()内的Date == max(Date)默认计算的是全数据集范围的全局最大日期，既没有绑定客户维度，也没有绑定分类维度；再加上手动加了Category == "CategoryA"的硬编码条件，最终根本无法匹配多分类、多客户下的逐组最大日期需求。
比如你提供的样本数据中，全局最大日期是2020-10-10（对应Person2、CategoryB的记录），用你写的代码筛选CategoryA的记录时，找的是CategoryA下日期等于2020-10-10的行，自然没有匹配结果。
你之前想到的“按分类拆分子集、逐子集筛选客户最大日期、最后rbind拼接”的思路本身逻辑是通的，但完全不需要手动做拆分拼接的重复工作，下面几个方法都可以直接实现需求：

方案1：dplyr 分组法（最简洁，无需手动拆数据） #

这是目前最常用的实现方式，不需要硬编码分类名，哪怕后续新增分类也不用改代码：

library(dplyr)

final_result <- dataSet %>%
  # 按「客户+分类」两个维度分组，相当于自动把同客户同分类的记录归为一组
  group_by(ClientID, Category) %>%
  # 组内直接返回Date最大的那一行
  slice_max(Date, n = 1) %>%
  # 解除分组，避免后续操作受分组逻辑影响
  ungroup()

• 对比你原来写的filter(Date == max(Date))，slice_max的优势有两个：
  • 自动在分组范围内计算最大日期，不会误用全局的max值
  • 同一组内如果存在多个和最大日期值完全相同的重复记录，会完整返回所有符合条件的行，不会出现筛选遗漏

方案2：适配你已加载的plyr包的实现 #

你代码里已经加载了plyr包，可以直接用包内的ddply完成自动分组、计算、拼接，完全替代你手动拆分-rbind的流程：

library(plyr)

final_result <- ddply(
  .data = dataSet,
  # 指定分组维度：和需求一致，按客户+分类拆分
  .variables = c("ClientID", "Category"),
  .fun = function(group_df) {
    # 在每个拆分出来的组内，取日期最大的行
    group_df[which.max(group_df$Date), ]
  }
)

这个方法底层就是你设想的“拆分-逐组计算-拼接”流程，只是把重复的手动操作封装成了函数调用，不用你逐类写子集拆分代码。

方案3：基础R实现（无额外包依赖） #

如果不想引入第三方包，直接用基础函数也能实现需求：

# 第一步：先计算每个客户+分类对应的最大日期值
group_max_date <- aggregate(Date ~ ClientID + Category, data = dataSet, FUN = max)
# 第二步：把最大日期和原数据集做匹配，筛出符合条件的行
final_result <- merge(dataSet, group_max_date, by = c("ClientID", "Category", "Date"))

内容的提问来源于stack exchange，提问作者Adam Caudell