假设您有df格式的数据

df = df[order(df[,'Date'],-df[,'Depth']),]
df = df[!duplicated(df$Date),]

这里有一种方法可以在一个dplyr调用中实现：

# Remove any duplicates
df <- df %>%
  arrange(Date, -Depth) %>%
  filter(duplicated(Date) == FALSE)

引入data.table解决方案，这将是解决此问题的最快方法（假设data是您的数据集）

library(data.table)
unique(setDT(data)[order(Date, -Depth)], by = "Date")

只是另一种方式：

setDT(data)[data[, .I[which.max(Depth)], by=Date]$V1]

如果你的数据框很大，这可能不是最快的方法，但是一个相当直接的方法。这可能会改变你的数据框的顺序，你可能需要重新排序，例如日期。我们不是删除，而是按日期分割数据，在每个块中选择一行最大的日期，最后将结果加入到数据框中

data = split(data, data$Date)
data = lapply(data, function(x) x[which.max(x$Depth), , drop=FALSE])
data = do.call("rbind", data)

你也可以用dplyr的arrange()来代替order（我觉得这样更直观）：

df <- arrange(df, Date, -Depth)
df <- df[!duplicated(df$Date),]

# First find the maxvalues
maxvals = aggregate(df$Depth~df$Date, FUN=max)
#Now use apply to find the matching rows and separate them out
out = df[apply(maxvals,1,FUN=function(x) which(paste(df$Date,df$Depth) == paste(x[1],x[2]))),]

这对你有用吗？

使用dplyr的distinct函数的替代方法：

library(dplyr)
df %>% distinct(column, .keep_all = TRUE)