R语言tidyverse分组筛选时序最新月份时如何保留days列
需求核心说明
你遇到的问题本质是混淆了分组聚合计算和分组筛选取行的逻辑:
- 原来写的
summarise()是聚合逻辑,每个分组只会返回指定的聚合统计值,要求对每个字段都提供聚合规则,自然无法直接保留不做计算的days字段原始值 - 你实际需要的效果是:在每个
group + month的分组内,定位year值最大的那一行,原样返回该行的所有字段(包括不做任何运算的days),后续还能基于days字段开展进一步筛选
推荐实现方法(均基于tidyverse生态)
方法1:使用slice_max()(最简洁,推荐)
dplyr提供的slice_*系列函数专门用于分组内选取原行,完全不会触发聚合逻辑,直接返回符合排序规则的原始记录:
library(tidyverse) result <- dat %>% # 匹配需求的分组维度:同分组、同月份为一组 group_by(group, month) %>% # 分组内选取year值最大的1行,直接保留该行所有原始字段 slice_max( order_by = year, n = 1, with_ties = FALSE # 若存在相同最大year的重复行,仅取第一行;设为TRUE则返回所有匹配行 ) %>% ungroup()
方法优势:
- 全程不对
days字段做任何均值、极值等聚合运算,直接返回对应最大年份记录的原始days值,不需要手动做表关联 - 返回的是完整原行,拿到结果后可以直接按
days的任意规则开展筛选,比如加filter(days > 10)即可实现对应筛选逻辑,不会出现字段丢失 - 适配你示例中的缺失值场景:比如示例里2020年12月的year被设为NA后被
complete.cases过滤,方法会自动为每个分组的12月维度匹配到存在数据的最大年份(即2019年12月),返回对应行的原始days值
方法2:排序后取首行(兼容旧版本dplyr)
如果使用的dplyr版本较低没有slice_max,可以通过先排序再取分组首行实现完全相同的效果:
result <- dat %>% group_by(group, month) %>% # 分组内按year从大到小排序 arrange(desc(year), .by_group = TRUE) %>% # 取排序后的第一行 slice(1) %>% ungroup()
不推荐的实现思路
如果坚持用summarise()的聚合逻辑,虽然可以通过操作当前分组数据拿到对应days值,但代码冗余、易出错,比如这种写法:
# 冗余写法,不推荐 dat %>% group_by(group, month) %>% summarise( max_year = max(year), # 手动匹配最大year对应的days值,重复值处理需要额外写逻辑 days = cur_data()$days[which.max(year)] )
对比下来,slice系列的方法代码更短、逻辑更直观,是这类“分组找极值对应原行”场景的标准解法。
内容的提问来源于stack exchange,提问作者user44796
相关产品推荐
相关产品推荐

