R语言：如何保留分组内出现次数最多的ID对应的行？

首先得先修正你提供的原始数据框代码，原来的写法会导致列名混乱，正确的构建方式应该是这样的：

df <- read.table(text = "id value name
1 100 Rank1
2 100 Rank1
3 100 Rank1
4 355 Rank1
5 300 Rank2
6 400 Rank2
7 400 Rank2", stringsAsFactors = FALSE, header = TRUE)

接下来针对你的需求——按name分组，保留每个分组中出现次数最多的value（你描述里的“id”其实对应这里的value列）的所有行，我给你推荐几种适配大型数据集的实现方法：

方法一：使用dplyr包（可读性高，适合大多数场景） #

dplyr的语法清晰易懂，处理中等规模到大型数据集都很高效：

library(dplyr)

# 按name和value分组统计次数，再筛选每个name组中次数最多的行
result_df <- df %>%
  # 先统计每个(name, value)组合的出现次数
  group_by(name, value) %>%
  mutate(count = n()) %>%
  # 回到按name分组，筛选出次数等于该组最大值的行
  group_by(name) %>%
  filter(count == max(count)) %>%
  # 移除临时统计的count列，取消分组
  select(-count) %>%
  ungroup()

# 查看结果
print(result_df)

运行后会得到你想要的结果：

# A tibble: 5 × 3
     id value name  
  <int> <int> <chr> 
1     1   100 Rank1 
2     2   100 Rank1 
3     3   100 Rank1 
4     6   400 Rank2 
5     7   400 Rank2 

方法二：使用data.table包（极致高效，超大型数据集首选） #

如果你的数据集非常庞大（百万级以上行），data.table的速度优势会非常明显，它的内存使用也更高效：

library(data.table)

# 将普通数据框转为data.table
setDT(df)

# 一步完成统计和筛选
result_df <- df[, count := .N, by = .(name, value)][, .SD[count == max(count)], by = name][, count := NULL]

# 查看结果
print(result_df)

方法三：Base R实现（无需加载任何包） #

如果你不想依赖第三方包，也可以用Base R的方法实现，虽然效率不如前两种，但胜在无依赖：

# 统计每个(name, value)组合的出现次数
count_table <- table(df$name, df$value)

# 找出每个name组中出现次数最多的value
max_values <- apply(count_table, 1, function(x) names(x)[x == max(x)])

# 将结果转换为匹配用的数据框
max_df <- stack(max_values)
colnames(max_df) <- c("value", "name")
max_df$value <- as.integer(max_df$value) # 转换类型和原始数据匹配

# 合并原始数据和max_df，筛选出符合条件的行
result_df <- merge(df, max_df, by = c("name", "value"))

# 查看结果
print(result_df)

这三种方法都能满足你的需求，根据数据集大小和个人习惯选择就好~

内容的提问来源于stack exchange，提问作者Maylo