R语言data.table按键分组，按多列优先级保留最大值对应行

哈哈，这个需求太常见了！用data.table来处理这种「按键分组，多列优先级保留最优行」的场景简直是量身定做，我给你拆解两种实用的方法，还能支持任意数量的列哦～

先构造个示例数据方便理解：

library(data.table)
# 模拟你的数据：a是键列，b、c、d是值列，存在多个行同a同b的情况
dt <- data.table(
  a = c(1,1,1,2,2,3),
  b = c(5,5,3,7,7,2),
  c = c(2,4,1,3,5,6),
  d = c(10,8,9,2,1,3)
)

核心思路是：按键列a分组，每个组内按照「b降序 → c降序 → d降序」的优先级排序，然后取排序后的第一行——这就是每个组里符合要求的最优行。

如果是固定列数，直接写死排序规则就行：

dt[, .SD[order(-b, -c, -d)][1], by = a]

要是需要支持任意数量的列，可以把要排序的列名存成向量，动态生成排序逻辑：

# 定义优先级列：从左到右优先级递减
cols_priority <- c("b", "c", "d")

# 动态生成降序排序的表达式，然后在分组内执行
sort_expr <- parse(text = paste0("-", cols_priority, collapse = ", "))
dt[, .SD[eval(sort_expr)][1], by = a]

或者用更稳妥的do.call方式（避免parse的潜在风险）：

cols_priority <- c("b", "c", "d")
dt[, .SD[do.call(order, lapply(.SD[, ..cols_priority], function(x) -x))][1], by = a]

这里..cols_priority是data.table的特殊语法，用来引用外部定义的列名向量；lapply(..., function(x) -x)把每个列转成降序排序的依据，再用do.call传给order函数。

如果你的数据集很大，分组排序的方法可能有点慢，这时候可以先全局按「键列升序 + 优先级列降序」排序，再按键列去重——因为unique会保留每个键的第一个出现的行，也就是排序后的最优行。

固定列的写法：

# 先按a升序，再按b、c、d降序排序（原地修改dt，速度快）
setorder(dt, a, -b, -c, -d)
# 按a去重，保留第一个行
unique(dt, by = "a")

支持任意列的动态写法（用rlang的解包运算符!!!，简洁直观）：

cols_priority <- c("b", "c", "d")
# 构造排序参数：先a升序，再优先级列降序
sort_args <- c("a", paste0("-", cols_priority))
# 解包参数执行排序
setorder(dt, !!!sort_args)
unique(dt, by = "a")

如果不想依赖rlang，也可以用do.call实现：

cols_priority <- c("b", "c", "d")
# 构造排序的参数列表：a升序，其余列降序
sort_params <- c(list(a = 1), lapply(cols_priority, function(col) list(-col)))
names(sort_params)[-1] <- cols_priority
# 执行排序
do.call(setorder, c(list(dt), sort_params))
unique(dt, by = "a")

• 如果你的值列里有NA，order会把NA排在最后（相当于最小值），如果需要特殊处理NA，可以先用fcoalesce把NA替换成一个极小值（比如-Inf）。
• 两种方法的结果完全一致，选哪种取决于你的数据量：小数据集用方法一更直观，大数据集用方法二性能更好。

内容的提问来源于stack exchange，提问作者user3685285