如何在data.table中按q、r、s分组后每组仅保留一行？

解决按指定列分组去重的问题 #

你遇到的问题是因为默认的unique()和错误的duplicated()用法没有针对目标分组列去重，下面给你几个data.table专属的简洁解决方案：

方法1：用unique()的by参数（推荐）

data.table的unique()函数支持指定by参数，直接按你要的分组列去重，每组保留首次出现的行：

unique(a, by = c("q", "r", "s"))

运行后会得到预期结果：

q r s t
1: 1 1 1 1
2: 1 1 3 2
3: 2 1 3 1
4: 2 1 1 2
5: 3 1 1 1
6: 3 1 3 2

方法2：分组后灵活选择行

如果需要更灵活的规则（比如取每组最后一行），可以用data.table的分组操作：

# 取每组第一行
a[, .SD[1], by = .(q, r, s)]

# 取每组最后一行
a[, .SD[N], by = .(q, r, s)]

# 更高效的取首行写法
a[, head(.SD, 1), by = .(q, r, s)]

为什么之前的方法无效？ #

• unique(a)默认是对所有列进行去重，你的数据里t列每行都不一样，所以所有行都会被保留，达不到分组去重的效果。
• !duplicated(a$q,a$r,a$s)的写法错误，duplicated()的第一个参数需要是完整的列组合（比如数据框或data.table），正确写法应该是a[!duplicated(a[, .(q, r, s)])]，虽然能得到结果，但不如data.table原生的unique(by=...)简洁直观。

内容的提问来源于stack exchange，提问作者Ricky