按id和var分组去重：保留出现频率最高的行（含平局处理）

嘿，针对你需要按id和var分组，对val执行去重并保留出现频率最高的行（频率相同时选字母/数字排序第一的）的需求，这里有两种简洁好用的R实现方式，完全匹配你的预期结果：

方法一：用dplyr（tidyverse风格，直观易读） #

如果你平时习惯用tidyverse工具链，这种方式最容易理解：

library(dplyr)

# 你的示例数据
df <- data.frame( id = rep("a", 8), var = c(rep("b", 4), rep("c", 4)), val = c("d", "d", "d", "e", "f", "f", "g", "g") )

# 核心处理逻辑
result <- df %>%
  # 先按id、var、val分组，统计每个val的出现次数
  group_by(id, var, val) %>%
  tally() %>%
  # 按id、var分组后，先按次数降序排，次数相同则按val升序排
  arrange(id, var, desc(n), val) %>%
  # 每个(id,var)组只取第一行
  slice_head(n = 1) %>%
  # 去掉计数列，恢复原数据结构
  select(-n) %>%
  ungroup()

# 查看结果
print(result)

运行后输出和你的预期完全一致：

# A tibble: 2 × 3
  id    var   val  
  <chr> <chr> <chr>
1 a     b     d    
2 a     c     f    

方法二：用data.table（大数据场景更高效） #

如果你的数据集规模很大，data.table的处理速度会比dplyr快不少，写法也很简洁：

library(data.table)

# 转换为data.table格式
setDT(df)

# 核心处理逻辑
result <- df[, .N, by = .(id, var, val)][, .SD[order(-N, val)[1]], by = .(id, var)][, -"N"]

# 查看结果
print(result)

输出同样符合预期。

逻辑说明 #

两种方法的核心思路是一致的：

• 统计频率：先按id、var、val组合分组，计算每个val在对应组内的出现次数；
• 排序筛选：在每个id+var的组内，优先按频率降序排列，频率相同的情况下按val的字母/数字顺序升序排列，然后取每组的第一行；
• 清理结果：移除中间的计数列，得到你需要的最终结构。

这样处理既保证了保留频率最高的行，也解决了频率相同时的排序选择问题。

内容的提问来源于stack exchange，提问作者Mark White