基于Number列去除MASTERFILE重复行并保留第3列的代码问题

我来帮你排查代码里的问题，顺便给你几个靠谱的解决方案！

你的代码运行出错的核心原因是长度不匹配：unique(MASTERFILE$Number)会返回去重后的Number值（比如你示例里的c(1,2,3,4,5)，长度为5），但MASTERFILE[,3]是原表第三列的所有行（长度为6），R无法把两个长度不同的向量直接组合成合法的data.frame，要么会触发警告并循环短向量填充，要么直接报错。

方法1：Base R原生实现（无需额外包） #

我们可以先筛选出Number列不重复的行，再提取需要的列，这样能保证行的对应关系正确：

# 筛选出Number列首次出现的不重复行（保留第一个重复项）
non_duplicate_rows <- !duplicated(MASTERFILE$Number)
# 提取Number列和原表第三列，组合成新data.frame
uniqueIDs <- MASTERFILE[non_duplicate_rows, c("Number", colnames(MASTERFILE)[3])]

如果想要保留每个重复值的最后一次出现，只需要给duplicated()加fromLast=TRUE参数：

non_duplicate_rows <- !duplicated(MASTERFILE$Number, fromLast = TRUE)
uniqueIDs <- MASTERFILE[non_duplicate_rows, c("Number", colnames(MASTERFILE)[3])]

方法2：用dplyr包更简洁实现（推荐） #

如果你习惯tidyverse风格的代码，dplyr的distinct()函数可以一步搞定，可读性更强：

library(dplyr)

# 按Number列去重，同时保留所有其他列，最后筛选出需要的两列
uniqueIDs <- MASTERFILE %>%
  distinct(Number, .keep_all = TRUE) %>%  # 去重并保留所有列
  select(Number, 3)  # 只保留Number列和第三列

这里的.keep_all = TRUE是关键，它告诉R去重时不要只返回Number列，而是保留该行的所有其他列，之后我们再用select()精准提取需要的列即可。

内容的提问来源于stack exchange，提问作者WoeIs