You need to enable JavaScript to run this app. R语言tidyverse分组筛选时序最新月份时如何保留days列
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.12 15:36:04