R语言：按分组删除Var2/Var3中出现次数最少的行

针对你处理大规模数据集的需求，我整理了一套高效的解决方案，核心思路是按Var1分组后，先统计每组内Var2和Var3非0值的出现次数，再根据次数筛选保留符合要求的行：

1. 加载依赖包并构建数据集 #

首先我们用dplyr包（处理分组数据效率极高，适合大规模数据集），先构建你的示例数据集：

library(dplyr)

# 构建示例数据集（修正类型问题，避免自动转因子）
Var1 = c("Rank 1", "Rank 1", "Rank 2", "Rank 1", "Rank 2") 
Var2 = c("Sub 1", "Sub 1", "Sub 2","0", "Sub 2") 
Var3 = c(0, "Sub 1", 0, "Sub 1", "0" ) 
Var4 = c(10,20, 30, 40,50) 
df <- data.frame(Var1, Var2, Var3, Var4, stringsAsFactors = FALSE)

2. 数据预处理与分组筛选 #

接下来统一处理Var2和Var3的类型，然后按Var1分组统计、筛选：

# 统一将0转为字符"0"，确保类型一致（避免混合数字/字符导致统计错误）
df <- df %>%
  mutate(across(c(Var2, Var3), ~ as.character(.x))) %>%
  mutate(across(c(Var2, Var3), ~ ifelse(.x == "0", "0", .x)))

# 按Var1分组处理，筛选符合要求的行
result_df <- df %>%
  group_by(Var1) %>%
  mutate(
    # 统计每组内Var2非0的次数
    count_var2 = sum(Var2 != "0"),
    # 统计每组内Var3非0的次数
    count_var3 = sum(Var3 != "0")
  ) %>%
  # 核心筛选逻辑：保留次数多的列对应的非0行；若次数相等，默认保留Var2的非0行（可按需调整）
  filter(
    (Var2 != "0" & count_var2 >= count_var3) | 
    (Var3 != "0" & count_var3 > count_var2)
  ) %>%
  # 移除临时统计列
  select(-count_var2, -count_var3) %>%
  ungroup()

# 查看最终结果
print(result_df)

3. 结果说明 #

运行上述代码后，得到的结果和你期望的一致：

# A tibble: 4 × 4
  Var1   Var2  Var3  Var4
  <chr>  <chr> <chr> <dbl>
1 Rank 1 Sub 1 0        10
2 Rank 1 Sub 1 Sub 1    20
3 Rank 2 Sub 2 0        30
4 Rank 2 Sub 2 0        50

代码逻辑解释 #

• 类型统一：把Var2和Var3里的数字0转为字符"0"，避免因为类型混合导致统计错误；
• 分组统计：按Var1分组后，计算每组内Var2和Var3非0值的出现次数；
• 筛选规则：如果Var2的非0次数更多或相等，保留Var2非0的行；如果Var3的非0次数更多，保留Var3非0的行，自动删除次数少的列中存在非0值的行；
• 高效处理：dplyr的分组操作是向量式运算，处理大规模数据集时速度远快于循环，非常适合你的场景。

内容的提问来源于stack exchange，提问作者Maylo