使用Dplyr获取每行数据的最小值与最大值的实现流程

看起来你已经构造了一个包含id、类型和收集日期的数据集，想要用dplyr来获取每行对应的最小值和最大值。这里分两种常见场景来帮你实现：

场景1：按分组计算每组的最小/最大值（最常见需求） #

如果你的需求是按某个或某些维度分组（比如id + type），然后为每行添加该组的最小/最大收集日期，可以用dplyr的分组+窗口函数来实现：

代码示例 #

library(dplyr)

# 你的数据集构造代码
id <- c("1", "2", "3", "1", "2", "3", "1", "2", "3", "1", "2", "3", "1", "2", "3")
type <- c("A", "A", "B", "A", "B", "B", "B", "B", "A", "B", "B", "A", "A", "B", "A")
date_collected <- as.Date(c("2018-01-01", "2018-01-01", "2018-01-01", "2018-01-02", "2018-01-02", "2018-01-02", "2018-01-03", "2018-01-03", "2018-01-03", "2018-01-04", "2018-01-04", "2018-01-04", "2018-01-05", "2018-01-05", "2018-01-05"))
df <- data.frame(id, type, date_collected)

# 按id和type分组，计算每组的最小、最大日期，并添加到每行
df_with_minmax <- df %>%
  group_by(id, type) %>%
  mutate(
    min_date = min(date_collected),
    max_date = max(date_collected)
  ) %>%
  ungroup()

# 查看结果
print(df_with_minmax)

说明 #

• group_by(id, type)：指定分组维度，这里按id和类型组合分组
• mutate()：在原数据基础上新增列，min(date_collected)和max(date_collected)会自动计算每组的最小/最大日期
• ungroup()：取消分组，避免后续操作受分组影响

场景2：计算每行自身各列的最小/最大值（针对可比较类型） #

如果你的需求是对每行的所有可比较列（比如日期）计算最小和最大值（注：字符列的min/max是按字母顺序排序，意义不大），可以用rowwise()结合c_across()来实现：

代码示例 #

df_row_minmax <- df %>%
  rowwise() %>%
  mutate(
    # 只针对日期列计算行内min/max
    row_min_date = min(c_across(date_collected)),
    row_max_date = max(c_across(date_collected)),
    # 如果要包含字符列的min/max（按字母顺序）
    row_min_char = min(c_across(c(id, type))),
    row_max_char = max(c_across(c(id, type)))
  ) %>%
  ungroup()

print(df_row_minmax)

说明 #

• rowwise()：将数据按行分组，让后续的聚合函数（min/max）作用于每行
• c_across()：选中要计算的列，这里可以指定单个列或列范围
• 注意：因为每行只有一个日期值，所以row_min_date和row_max_date会等于该行的date_collected；字符列的min/max是按ASCII顺序比较的（比如"1"<"2"<"3"，"A"<"B"）

如果你的需求和以上两种场景不同，可以补充说明具体的计算维度，我再帮你调整！

内容的提问来源于stack exchange，提问作者roboes